图像处理方法、装置、介质及电子设备与流程

1.本公开涉及图像处理技术领域，具体地，涉及一种图像处理方法、装置、介质及电子设备。


背景技术：

2.肺癌的发病率和死亡率高，是全球癌症致死的头号杀手。基于ct影像的计算机辅助诊断技术也越来越多地应用到肺癌的诊断当中。而计算机辅助诊断的关键在于对肺部结节进行处理分析，首先要分割出完整的结节区域，之后提取该区域的影像学特征，利用提取到的特征信息对肺部结节进行分析处理，进而达到诊断肺癌的目的。可见，精准地肺部结节分割对分析结节特征、判断结节性质以及预测结节发展趋势等有着重要作用，精准分割肺部结节在临床上具有重要意义。


技术实现要素：

3.为了克服相关技术中存在的问题，本公开提供一种图像处理方法、装置、介质及电子设备。
4.为了实现上述目的，第一方面，本公开提供一种图像处理方法，包括：
5.对目标肺部ct图像进行结节粗分割，得到至少一个结节轮廓；
6.针对每一所述结节轮廓，从所述目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，其中，所述扩展区域包括该结节轮廓以及该结节轮廓的周围区域；根据所述至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域。
7.可选地，所述根据所述至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域，包括：
8.针对每一所述扩展区域，对该扩展区域进行结节细分割，得到该扩展区域对应的第一结节概率图；
9.根据每一所述扩展区域对应的第一结节概率图，对该结节轮廓进行修正，得到目标结节区域。
10.可选地，所述根据每一所述扩展区域对应的第一结节概率图，对该结节轮廓进行修正，得到目标结节区域，包括：
11.获取该结节轮廓对应的第二结节概率图；
12.将每一所述扩展区域对应的第一结节概率图和所述第二结节概率图进行加权求和，得到目标结节概率图；
13.根据所述目标结节概率图，生成目标结节区域。
14.可选地，所述对该扩展区域进行结节细分割，得到该扩展区域对应的第一结节概率图，包括：
15.通过预先训练好的条件随机场模型对该扩展区域进行结节细分割，得到该扩展区域对应的第一结节概率图。
16.可选地，所述从所述目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，包括：
17.确定该结节轮廓的中心点和该结节轮廓的最小外接矩形的长径、短径；
18.以所述中心点为中心，根据所述长径和所述短径，从所述目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域。
19.可选地，所述以所述中心点为中心，根据所述长径和所述短径，从所述目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，包括：
20.获取n个尺度因子，其中，每一所述尺度因子均大于1，n为所述扩展区域的数量，n大于或等于1，且当n大于1时，所述n个尺度因子互不相等；
21.针对每一所述尺度因子，以所述中心点为中心，并以该尺度因子与所述长径的乘积为长、以该尺度因子与所述短径的乘积为宽，从所述目标肺部ct图像中截取矩形区域，其中，所述矩形区域的长边与该结节轮廓的最小外接矩形的长边平行；
22.将截取到的每一所述矩形区域确定为该结节轮廓对应的至少一个扩展区域。
23.可选地，当n大于1时，所述以所述中心点为中心，根据所述长径和所述短径，从所述目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，还包括：
24.若所述长径大于预设阈值，则对目标尺度因子进行修正，以使得修正后所得的目标尺度因子小于修正前的所述目标尺度因子、且大于所述n个尺度因子中除所述目标尺度因子外的其他尺度因子中的最大值，其中，所述目标尺度因子为所述n个尺度因子中的最大值；
25.所述针对每一所述尺度因子，以所述中心点为中心，并以该尺度因子与所述长径的乘积为长、以该尺度因子与所述短径的乘积为宽，从所述目标肺部ct图像中截取矩形区域，包括：
26.针对所述其他尺度因子中的每一尺度因子，以所述中心点为中心，并以该尺度因子与所述长径的乘积为长、以该尺度因子与所述短径的乘积为宽，从所述目标肺部ct图像中截取矩形区域；
27.以所述中心点为中心，并以所述修正后所得的目标尺度因子与所述长径的乘积为长、以所述修正后所得的目标尺度因子与所述短径的乘积为宽，从所述目标肺部ct图像中截取矩形区域。
28.第二方面，本公开提供一种图像处理装置，包括：
29.粗分割模块，用于对目标肺部ct图像进行结节粗分割，得到至少一个结节轮廓；
30.截取模块，用于针对所述粗分割模块得到的每一所述结节轮廓，从所述目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，其中，所述扩展区域包括该结节轮廓以及该结节轮廓的周围区域；修正模块，用于根据所述截取模块得到的所述至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域。
31.第三方面，本公开提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
32.第四方面，本公开提供一种电子设备，包括：
33.存储器，其上存储有计算机程序；
34.处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供
的所述方法的步骤。
35.在上述技术方案中，首先，对目标肺部ct图像进行结节粗分割，得到至少一个结节轮廓；然后，针对每一结节轮廓，从目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，其中，扩展区域包括该结节轮廓以及该结节轮廓的周围区域；根据至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域。由于结节轮廓的扩展区域不仅包括结节轮廓，还包括结节轮廓的周边区域，即扩展区域还包含结节轮廓之外的丰富的上下文背景信息，这样，利用包含丰富的上下文背景信息的扩展区域对粗分割得到的结节轮廓进行修正，可以保证结节分割的精度。并且，对于贴壁结节、磨玻璃等密度不均的结节分割均具有良好的分割效果，普适性好。
36.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
37.附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
38.图1是根据一示例性实施例示出的一种图像处理方法的流程图。
39.图2是根据一示例性实施例示出的一种从目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域的方法的流程图。
40.图3是根据一示例性实施例示出的一种从目标肺部ct图像中截取该结节轮廓对应的扩展区域的示意图。
41.图4是根据一示例性实施例示出的一种根据至少一个扩展区域，对该结节轮廓进行修正的方法的流程图。
42.图5是根据一示例性实施例示出的一种图像处理装置的框图。
43.图6是根据一示例性实施例示出的一种电子设备的框图。
44.图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
45.正如背景技术中论述的那样，精准地肺部结节分割对分析结节特征、判断结节性质以及预测结节发展趋势等有着重要作用，精准分割肺部结节在临床上具有重要意义。近年来，随着人工智能在医疗领域的迅速发展，有大量算法被应用在肺部结节分割方向。这些算法主要分为两种，即传统分割方法和基于深度学习分割方法。其中，传统分割方法是基于临床解剖知识的图像处理方法，例如，区域生长、聚类、活动轮廓等，但该类算法通常只对部分类型的结节有较好的效果，普适性较差。深度学习分割方法是基于大量标注信息，采用卷积模型提取特征，基于损失函数来逐步优化得到最优结节分割模型，进而根据结节分割模型进行结节分割；此类算法虽普适性较好，但由于肺结节形状各异、密度不均匀，且部分结节与血管、胸膜等解剖结构粘连，这无疑会增加结节分割的难度，使得结节分割的精度难以保证。
46.鉴于此，本公开提供一种图像处理方法、装置、介质及电子设备。
47.以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
48.图1是根据一示例性实施例示出的一种图像处理方法的流程图。如图1所示，该方法包括s101～s103。
49.在s101中，对目标肺部ct图像进行结节粗分割，得到至少一个结节轮廓。
50.在s102中，针对每一结节轮廓，从目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域。
51.在本公开中，扩展区域包括该结节轮廓以及该结节轮廓的周围区域。
52.在s103中，根据至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域。
53.在上述技术方案中，首先，对目标肺部ct图像进行结节粗分割，得到至少一个结节轮廓；然后，针对每一结节轮廓，从目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，其中，扩展区域包括该结节轮廓以及该结节轮廓的周围区域；根据至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域。由于结节轮廓的扩展区域不仅包括结节轮廓，还包括结节轮廓的周边区域，即扩展区域还包含结节轮廓之外的丰富的上下文背景信息，这样，利用包含丰富的上下文背景信息的扩展区域对粗分割得到的结节轮廓进行修正，可以保证结节分割的精度。并且，对于贴壁结节、磨玻璃等密度不均的结节分割均具有良好的分割效果，普适性好。
54.下面针对上述s101中的对目标肺部ct图像进行结节粗分割，得到至少一个结节轮廓的具体实施方式进行详细说明。
55.具体来说，可以通过将目标肺部ct图像输入到预先训练好的第一分割模型中，以对目标肺部ct图像进行结节粗分割，从而得到目标肺部ct图像对应的结节概率图，其中，该结节概率图包括目标肺部ct图像中每一像素点属于结节的概率；然后，根据该结节概率图，生成至少一个结节轮廓。
56.具体地，可以对该结节概率图中、概率大于预设概率阈值(例如，0.4)的像素点进行聚类，得到至少一个结节轮廓。
57.其中，上述第一分割模型可以例如是u型网络(unet)、全卷积网络(fully convolution network，fcn)等模型，本公开不作具体限定。
58.下面针对上述s102中的从目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域的具体实施方式进行详细说明。
59.具体来说，可以通过多种方式来说实现，在一种实施方式中，在扩展区域的数量为1的情况下，可以将与该结节轮廓的边界像素点之间的距离小于第一预设距离的像素点和该结节轮廓确定为该结节轮廓对应的扩展区域，或者将该结节轮廓的最小外接矩形确定为该结节轮廓对应的扩展区域。
60.在扩展区域的数量为多个时，可以不同方式的来截取该结节轮廓对应的多个不同扩展区域。
61.示例地，扩展区域的数量为2，可以将与该结节轮廓的边界像素点之间的距离小于第一预设距离的像素点和该结节轮廓确定为该结节轮廓对应的一扩展区域；将该结节轮廓的最小外接矩形确定为该结节轮廓对应的另一扩展区域。
62.又示例地，扩展区域的数量为2，可以将与该结节轮廓的边界像素点之间的距离小于第一预设距离的像素点和该结节轮廓确定为该结节轮廓对应的一扩展区域；将与该结节轮廓的边界像素点之间的距离小于第二预设距离的像素点和该结节轮廓确定为该结节轮
廓对应的另一扩展区域。
63.又示例地，扩展区域的数量为3，可以将与该结节轮廓的边界像素点之间的距离小于第一预设距离的像素点和该结节轮廓确定为该结节轮廓对应的一扩展区域；将与该结节轮廓的边界像素点之间的距离小于第二预设距离的像素点和该结节轮廓确定为该结节轮廓对应的另一扩展区域；将该结节轮廓的最小外接矩形确定为该结节轮廓对应的又一扩展区域。
64.在另一种实施方式中，可以通过图2中所示的s1021和s1022来获取该结节轮廓对应的至少一个扩展区域。
65.在s1021中，确定该结节轮廓的中心点和该结节轮廓的最小外接矩形的长径、短径。
66.在本公开中，可以将该结节轮廓的最小外接矩形的重心确定该结节轮廓的中心点，将该最小外接矩形的长边的长度确定为长径，将该最小外接矩形的短边的长度确定为短径。
67.在s1022中，以该结节轮廓的中心点为中心，根据长径和短径，从目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域。
68.具体来说，可以通过以下步骤1)～步骤3)来实现：
69.1)获取n个尺度因子。
70.在本公开中，每一尺度因子均大于1，n为扩展区域的数量，n大于或等于1。并且，当n大于1时，n个尺度因子互不相等。其中，各尺度因子均为预设值。
71.2)针对每一尺度因子，以该结节轮廓的中心点为中心，并以该尺度因子与长径的乘积为长、以该尺度因子与短径的乘积为宽，从目标肺部ct图像中截取矩形区域，其中，矩形区域的长边与该结节轮廓的最小外接矩形的长边平行。
72.3)将截取到的每一矩形区域确定为该结节轮廓对应的至少一个扩展区域。
73.示例地，扩展区域的数量为1，即n＝1，此时，可以通过以下方式来获取该结节轮廓对应的扩展区域：获取一个尺度因子；之后，以该结节轮廓的中心点为中心，并以该尺度因子与长径的乘积为长、以该尺度因子与短径的乘积为宽，从目标肺部ct图像中截取矩形区域，其中，矩形区域的长边与该结节轮廓的最小外接矩形的长边平行；最后，将该矩形区域确定为该结节轮廓对应的扩展区域。
74.如图3所示，结节轮廓为图中矩形abcd内的不规则区域，矩形abcd为该结节轮廓的最小外接矩形，其中，该最小外接矩形的长径为b，短径为a，且b＞a，结节轮廓的中心点为o，获取到的一尺度因子为3，则以该结节轮廓的中心点o为中心，并以3b为长、以3a为宽，从目标肺部ct图像中截取的矩形区域为图3中所示的矩形a1b1c1d1，即该结节轮廓对应的扩展区域为目标肺部ct图像中、矩形a1b1c1d1所在的区域。
75.又示例地，扩展区域的数量为2时，即n＝2，该结节轮廓的最小外接矩形的长径为b、短径为a，此时，可以通过以下方式来获取该结节轮廓对应的2个扩展区域：获取两个尺度因子α1、α2；然后，以该结节轮廓的中心点为中心，并以α1*b为长、以α1*a为宽，从目标肺部ct图像中截取一矩形区域l1，其中，该矩形区域l1的长边与该结节轮廓的最小外接矩形的长边平行；同时，以该结节轮廓的中心点为中心，并以α2*b为长、以α2*a为宽，从目标肺部ct图像中截取一矩形区域l2，其中，该矩形区域l2的长边与该结节轮廓的最小外接矩形的长
边平行；最后，将矩形区域l1和矩形区域l2确定为该结节轮廓对应的2个扩展区域。
76.另外，在n大于1的情况下，除了采用上述步骤1)～步骤3)所示的方式来获取该结节轮廓对应的至少一个扩展区域外，还可以通过以下步骤[1]～步骤[6]来实现：
[0077]
[1]获取n个尺度因子。
[0078]
其中，每一尺度因子均大于1，n为扩展区域的数量，n大于1，且n个尺度因子互不相等。并且，各尺度因子均为预设值。
[0079]
[2]判断该结节轮廓的最小外接矩形的长径是否大于预设阈值。
[0080]
若该结节轮廓的最小外接矩形的长径大于预设阈值(例如，20mm)，则执行以下步骤[5]和步骤[6]；若该结节轮廓的最小外接矩形的长径小于或等于上述预设阈值，则依次执行以下步骤[3]、步骤[4]以及步骤[6]。
[0081]
[3]对目标尺度因子进行修正，以使得修正后所得的目标尺度因子小于修正前的目标尺度因子、且大于n个尺度因子中除目标尺度因子外的其他尺度因子中的最大值。
[0082]
在本公开中，目标尺度因子为n个尺度因子中的最大值。
[0083]
[4]针对n个尺度因子中除目标尺度因子外的其他尺度因子中的每一尺度因子，以该结节轮廓的中心点为中心，并以该尺度因子与长径的乘积为长、以该尺度因子与短径的乘积为宽，从目标肺部ct图像中截取矩形区域，同时，以该结节轮廓的中心点为中心，并以修正后所得的目标尺度因子与长径的乘积为长、以修正后所得的目标尺度因子与短径的乘积为宽，从目标肺部ct图像中截取矩形区域。
[0084]
[5]针对每一尺度因子，以该结节轮廓的中心点为中心，并以该尺度因子与长径的乘积为长、以该尺度因子与所述短径的乘积为宽，从目标肺部ct图像中截取矩形区域，其中，矩形区域的长边与该结节轮廓的最小外接矩形的长边平行。
[0085]
[6]将截取到的每一矩形区域确定为该结节轮廓对应的至少一个扩展区域。
[0086]
示例地，扩展区域的数量为2时，即n＝2，该结节轮廓的最小外接矩形的长径为b、短径为a，且b小于预设阈值，获取到的两个尺度因子分别为α1、α2，此时，可以通过以下方式来获取该结节轮廓对应的2个扩展区域：以该结节轮廓的中心点为中心，并以α1*b为长、以α1*a为宽，从目标肺部ct图像中截取一矩形区域l1，其中，该矩形区域l1的长边与该结节轮廓的最小外接矩形的长边平行；同时，以该结节轮廓的中心点为中心，并以α2*b为长、以α2*a为宽，从目标肺部ct图像中截取一矩形区域l2，其中，该矩形区域l2的长边与该结节轮廓的最小外接矩形的长边平行；最后，将矩形区域l1和矩形区域l2确定为该结节轮廓对应的2个扩展区域。
[0087]
又示例地，扩展区域的数量为2时，即n＝2，该结节轮廓的最小外接矩形的长径为b、短径为a，且b大于预设阈值，获取到的两个尺度因子为α1、α2，并且，α1《α2，即目标尺度因子为α2，此时，可以通过以下方式来获取该结节轮廓对应的2个扩展区域：对α2进行修正，以使得修正后所得的α2小于修正前的α2、且大于α1；然后，以该结节轮廓的中心点为中心，并以α1*b为长、以α1*a为宽，从目标肺部ct图像中截取一矩形区域l1，其中，该矩形区域l1的长边与该结节轮廓的最小外接矩形的长边平行；同时，以该结节轮廓的中心点为中心，并以α
2x
*b为长、以α
2x
*a为宽，从目标肺部ct图像中截取矩形区域l3，其中，α
2x
为修正后所得的α2；最后，将矩形区域l1和矩形区域l3确定为该结节轮廓对应的2个扩展区域。
[0088]
在上述实施方式中，当该结节轮廓的最小外接矩形的长径大于预设阈值时，表明
该结节轮廓已经包含足够多的特征信息，此时，可以适当缩小从目标肺部ct图像中截取的最大矩形区域，即缩小最大扩展区域的尺寸，从而能够在保证扩展区域包含丰富的上下文背景信息，以保证结节分割的精度的同时，尽可能提升后续利用该扩展区域对该结节轮廓进行修正的效率，进而提升结节分割的效率。
[0089]
下面针对上述s103中的根据至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域的具体实施方式进行详细说明。具体来说，可以通过图4中所示的s1031和s1032来实现。
[0090]
在s1031中，针对每一扩展区域，对该扩展区域进行结节细分割，得到该扩展区域对应的第一结节概率图。
[0091]
在本公开中，可以通过将该扩展区域输入到预先训练好的第二分割模型中，以对该扩展区域进行结节细分割，从而得到该扩展区域对应的第一结节概率图，其中，第一结节概率图包括扩展区域中每一像素点属于结节的概率。
[0092]
其中，上述第二分割模型可以例如是unet、fcn、条件随机场(conditional random fields，crf)等模型，本公开不作具体限定。
[0093]
由于crf模型适用于不同尺寸的扩展区域的结节分割，而无需进行尺度变换，而通常的分割模型对输入图像的尺寸有要求，因此，优选地，第二分割模型为crf模型。
[0094]
在s1032中，根据每一扩展区域对应的第一结节概率图，对该结节轮廓进行修正，得到目标结节区域。
[0095]
具体来说，可以通过以下步骤(1)～步骤(3)来对该结节轮廓进行修正，以得到目标结节区域。
[0096]
(1)获取该结节轮廓对应的第二结节概率图。
[0097]
具体来说，可以将目标肺部ct图像对应的结节概率图中、与该结节轮廓所对应的部分确定为该结节轮廓对应的第二结节概率图。
[0098]
(2)将每一扩展区域对应的第一结节概率图和第二结节概率图进行加权求和，得到目标结节概率图。
[0099]
具体来说，目标结节概率图其中，m为目标结节概率图；ak为第k个扩展区域对应的第一结节概率图，k＝1,2,
…
,n；βk为第k个扩展区域对应的第一结节概率图ak的权重；b为该结节轮廓对应的第二结节概率图；λ为该结节轮廓对应的第二结节概率图b的权重；
[0100][0101]
示例地，扩展区域的数量为1，即n＝1，此时，目标结节概率图m＝λb β1a1，其中，λ β1＝1。
[0102]
又示例地，扩展区域的数量为2，即n＝2，此时，目标结节概率图m＝λb β1a1 β2a2，其中，λ β1 β2＝1。
[0103]
(3)根据目标结节概率图，生成目标结节区域。
[0104]
具体来说，可以将目标结节概率图中、概率大于预设概率阈值的像素点所在的区
域确定为目标结节区域。
[0105]
另外，上述每一扩展区域对应的第一结节概率图的权重和第二结节概率图的权重均可以是预先设定的值，也可以根据评价指标的熵值来确定。
[0106]
具体来说，可以根据评价指标的熵值，通过以下方式来确定每一扩展区域对应的第一结节概率图的权重和第二结节概率图的权重：
[0107]
首先，获取m张参考肺部ct图像、每一参考肺部ct图像对应的n个参考扩展区域、每一参考扩展区域的对应的第一参考结节概率图以及该参考肺部区域ct图像对应的第二参考结节概率图。其中，n为从目标肺部ct图像中截取的结节轮廓对应的扩展区域的数量，采用n种扩展区域截取方式从目标肺部ct图像中截取结节轮廓对应的n个扩展区域，同样地，也是采用该n种扩展区域截取方式从每一参考肺部ct图像中截取n个参考扩展区域的。
[0108]
然后，针对每一参考肺部ct图像，将该参考肺部ct图像输入到上述第一分割模型中，得到该参考肺部ct图像对应的第一预测结节概率图；之后，计算第一预测结节概率图与该参考肺部ct图像对应的第二参考结节概率图的交并比，并将该交并比确定为该参考肺部ct图像对应的评价指标；最后，计算m张参考肺部ct图像对应的评价指标的第一熵值。
[0109]
同时，针对每一参考扩展区域，将该参考扩展区域输入到上述第二分割模型中，得到该参考扩展区域对应的第二预测结节概率图；然后，计算该第二预测结节概率图与该参考扩展区域对应的第一参考结节概率图的交并比，并将该交并比确定为该参考扩展区域对应的评价指标；针对上述n种扩展区域截取方式中的每一扩展区域截取方式，计算采用该扩展区域截取方式截取到的m个参考扩展区域对应的评价指标的第二熵值。
[0110]
最后，采用softmax将上述第一熵值和每一扩展区域截取方式对应的第二熵值转化为结节概率图的权重，即得到每一扩展区域对应的第一结节概率图的权重和第二结节概率图的权重。
[0111]
示例地，首先，获取100张参考肺部ct图像、每一参考肺部ct图像对应的2个参考扩展区域、每一参考扩展区域的对应的第一参考结节概率图以及该参考肺部区域ct图像对应的第二参考结节概率图。其中，分别采用第一扩展区域截取方式和第二扩展区域截取方式从目标肺部ct图像中截取结节轮廓对应的2个扩展区域，同样地，也是采用第一扩展区域截取方式和第二扩展区域截取方式从每一参考肺部ct图像中截取2个参考扩展区域的。
[0112]
然后，针对100张参考肺部ct图像中的每一张参考肺部ct图像，将该参考肺部ct图像输入到上述第一分割模型中，得到该参考肺部ct图像对应的第一预测结节概率图；之后，计算该第一预测结节概率图与该参考肺部ct图像对应的第二参考结节概率图的交并比，并将该交并比确定为该参考肺部ct图像对应的评价指标；最后，计算100张参考肺部ct图像对应的评价指标的第一熵值a。
[0113]
同时，针对200个参考扩展区域中的每一参考扩展区域，将该参考扩展区域输入到上述第二分割模型中，得到该参考扩展区域对应的第二预测结节概率图；然后，计算该第二预测结节概率图与该参考扩展区域对应的第一参考结节概率图的交并比，并将该交并比确定为该参考扩展区域对应的评价指标；计算采用第一扩展区域截取方式截取到的100个参考扩展区域对应的评价指标的第二熵值b1；同时，计算采用第二扩展区域截取方式截取到的100个参考扩展区域对应的评价指标的第二熵值b2。
[0114]
最后，采用softmax将上述第一熵值a1、第二熵值b1以及第二熵值b2转化为结节概
率图的权重，即得到每一扩展区域对应的第一结节概率图的权重和第二结节概率图的权重。
[0115]
在上述实施方式中，根据评价指标的熵值来确定每一扩展区域对应的第一结节概率图的权重和第二结节概率图的权重，可以保证各权重的准确度，从而提升结节分割的精度。
[0116]
图5是根据一示例性实施例示出的一种图像处理装置的框图。如图5所示，该装置500包括：
[0117]
粗分割模块501，用于对目标肺部ct图像进行结节粗分割，得到至少一个结节轮廓；
[0118]
截取模块502，用于针对所述粗分割模块501得到的每一所述结节轮廓，从所述目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，其中，所述扩展区域包括该结节轮廓以及该结节轮廓的周围区域；修正模块503，用于根据所述截取模块502得到的所述至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域。
[0119]
在上述技术方案中，首先，对目标肺部ct图像进行结节粗分割，得到至少一个结节轮廓；然后，针对每一结节轮廓，从目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域，其中，扩展区域包括该结节轮廓以及该结节轮廓的周围区域；根据至少一个扩展区域，对该结节轮廓进行修正，得到目标结节区域。由于结节轮廓的扩展区域不仅包括结节轮廓，还包括结节轮廓的周边区域，即扩展区域还包含结节轮廓之外的丰富的上下文背景信息，这样，利用包含丰富的上下文背景信息的扩展区域对粗分割得到的结节轮廓进行修正，可以保证结节分割的精度。并且，对于贴壁结节、磨玻璃等密度不均的结节分割均具有良好的分割效果，普适性好。
[0120]
可选地，所述修正模块503包括：
[0121]
细分割子模块，用于针对每一所述扩展区域，对该扩展区域进行结节细分割，得到该扩展区域对应的第一结节概率图；
[0122]
第一修正子模块，用于根据每一所述扩展区域对应的第一结节概率图，对该结节轮廓进行修正，得到目标结节区域。
[0123]
可选地，所述第一修正子模块包括：
[0124]
第一获取子模块，用于获取该结节轮廓对应的第二结节概率图；
[0125]
计算子模块，用于将每一所述扩展区域对应的第一结节概率图和所述第二结节概率图进行加权求和，得到目标结节概率图；
[0126]
生成子模块，用于根据所述目标结节概率图，生成目标结节区域。
[0127]
可选地，所述细分割子模块用于通过预先训练好的条件随机场模型对该扩展区域进行结节细分割，得到该扩展区域对应的第一结节概率图。
[0128]
可选地，所述截取模块502包括：
[0129]
第一确定子模块，用于确定该结节轮廓的中心点和该结节轮廓的最小外接矩形的长径、短径；
[0130]
第一截取子模块，用于以所述中心点为中心，根据所述长径和所述短径，从所述目标肺部ct图像中截取该结节轮廓对应的至少一个扩展区域。
[0131]
可选地，所述第一截取子模块包括：
[0132]
第二获取子模块，用于获取n个尺度因子，其中，每一所述尺度因子均大于1，n为所述扩展区域的数量，n大于或等于1，且当n大于1时，所述n个尺度因子互不相等；
[0133]
第二截取子模块，用于针对每一所述尺度因子，以所述中心点为中心，并以该尺度因子与所述长径的乘积为长、以该尺度因子与所述短径的乘积为宽，从所述目标肺部ct图像中截取矩形区域，其中，所述矩形区域的长边与该结节轮廓的最小外接矩形的长边平行；
[0134]
第二确定子模块，用于将截取到的每一所述矩形区域确定为该结节轮廓对应的至少一个扩展区域。
[0135]
可选地，当n大于1时，所述第一截取子模块还包括：
[0136]
第二修正子模块，用于若所述长径大于预设阈值，则对目标尺度因子进行修正，以使得修正后所得的目标尺度因子小于修正前的所述目标尺度因子、且大于所述n个尺度因子中除所述目标尺度因子外的其他尺度因子中的最大值，其中，所述目标尺度因子为所述n个尺度因子中的最大值；
[0137]
所述第二截取子模块用于：
[0138]
针对所述其他尺度因子中的每一尺度因子，以所述中心点为中心，并以该尺度因子与所述长径的乘积为长、以该尺度因子与所述短径的乘积为宽，从所述目标肺部ct图像中截取矩形区域；
[0139]
以所述中心点为中心，并以所述修正后所得的目标尺度因子与所述长径的乘积为长、以所述修正后所得的目标尺度因子与所述短径的乘积为宽，从所述目标肺部ct图像中截取矩形区域。
[0140]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0141]
本公开还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开提供的上述图像处理方法的步骤。
[0142]
图6是根据一示例性实施例示出的一种电子设备600的框图。如图6所示，该电子设备600可以包括：处理器601，存储器602。该电子设备600还可以包括多媒体组件603，输入/输出(i/o)接口604，以及通信组件605中的一者或多者。
[0143]
其中，处理器601用于控制该电子设备600的整体操作，以完成上述的图像处理方法中的全部或部分步骤。存储器602用于存储各种类型的数据以支持在该电子设备600的操作，这些数据例如可以包括用于在该电子设备600上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器602可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件603可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器602或通过通信组件605发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o
接口604为处理器601和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件605用于该电子设备600与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near field communication，简称nfc)，2g、3g、4g、nb-iot、emtc、或其他5g等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件605可以包括：wi-fi模块，蓝牙模块，nfc模块等等。
[0144]
在一示例性实施例中，电子设备600可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的图像处理方法。
[0145]
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的图像处理方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器602，上述程序指令可由电子设备600的处理器601执行以完成上述的图像处理方法。
[0146]
图7是根据一示例性实施例示出的一种电子设备700的框图。例如，电子设备700可以被提供为一服务器。参照图7，电子设备700包括处理器722，其数量可以为一个或多个，以及存储器732，用于存储可由处理器722执行的计算机程序。存储器732中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器722可以被配置为执行该计算机程序，以执行上述的图像处理方法。
[0147]
另外，电子设备700还可以包括电源组件726和通信组件750，该电源组件726可以被配置为执行电子设备700的电源管理，该通信组件750可以被配置为实现电子设备700的通信，例如，有线或无线通信。此外，该电子设备700还可以包括输入/输出(i/o)接口758。电子设备700可以操作基于存储在存储器732的操作系统，例如windows server
tm
，mac os x
tm
，unix
tm
，linux
tm
等等。
[0148]
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的图像处理方法的步骤。例如，该非临时性计算机可读存储介质可以为上述包括程序指令的存储器732，上述程序指令可由电子设备700的处理器722执行以完成上述的图像处理方法。
[0149]
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的图像处理方法的代码部分。
[0150]
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
[0151]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
[0152]
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。