[发明专利]图像处理方法和装置及神经网络模型的训练方法

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取钼靶图像；

确定图像分割阈值，按照灰度级将由所述钼靶图像按照所述图像分割阈值进行分割得到的多个图像区域进行排序，其中，所述灰度级与所述图像分割阈值相关；

在所述多个图像区域中灰度级高于第四阈值的图像区域的个数高于第五阈值的情况下，按照图像区域的面积将所述多个图像区域中灰度级高于第四阈值的图像区域进行排序；

将所述多个图像区域中灰度级高于所述第四阈值的图像区域中面积高于第六阈值的图像区域确定为候选区域，其中，所述多个图像区域中灰度级高于所述第四阈值的图像区域中面积高于所述第六阈值的图像区域的个数等于所述第五阈值；

通过深度学习训练得到的神经网络模型将多个候选区域中的目标区域在所述钼靶图像中进行标记，包括：利用所述神经网络模型获取所述多个候选区域中每个候选区域所包括的肿块为目标肿块的概率；根据所述多个候选区域各自对应的概率排序结果确定第一候选区域和第二候选区域，其中，所述多个候选区域为概率大于第一阈值的候选区域，所述第一候选区域为所述概率大于所述第一阈值的候选区域中概率最大的候选区域，所述第二候选区域为所述多个概率大于所述第一阈值的候选区域中除所述第一候选区域之外的候选区域；从所述多个概率大于所述第一阈值的候选区域中删除与所述第一候选区域的重叠面积大于第三阈值的第二候选区域，得到剩余候选区域；将所述剩余候选区域确定为所述目标区域；

其中，所述目标肿块为恶性肿块的概率大于第二阈值，所述神经网络模型用于指示所述候选区域与所述候选区域所包括的肿块为所述目标肿块的概率之间的映射关系。

2.根据权利要求1所述的方法，其特征在于，所述通过深度学习训练得到的神经网络模型将所述多个候选区域中的目标区域在所述钼靶图像中进行标记包括：

将概率大于所述第一阈值的候选区域确定为所述目标区域，并将所述目标区域在所述钼靶图像中进行标记。

3.根据权利要求1所述的方法，其特征在于，在所述获取钼靶图像之前，所述方法还包括：

利用样本肿块区域与所述样本肿块区域所包括的肿块为所述目标肿块的概率之间的映射关系进行深度学习训练，得到所述神经网络模型，其中，在进行深度学习训练时，训练输入参数包括所述样本肿块区域，训练输出参数包括所述样本肿块区域所包括的肿块为所述目标肿块的概率。

4.根据权利要求3所述的方法，其特征在于，所述样本肿块区域包括第一肿块区域和第二肿块区域，所述第一肿块区域所包括的肿块为所述目标肿块，所述第二肿块区域所包括的肿块为非目标肿块或者所述第二肿块区域不包括肿块，其中，所述利用样本肿块区域与所述样本肿块区域所包括的肿块为所述目标肿块的概率之间的映射关系进行深度学习训练，得到所述神经网络模型包括：

利用所述第一肿块区域与所述第一肿块区域所包括的肿块为所述目标肿块的概率之间的映射关系以及所述第二肿块区域与所述第二肿块区域所包括的肿块为所述目标肿块的概率之间的映射关系进行深度学习训练，得到所述神经网络模型。

5.根据权利要求1所述的方法，其特征在于，按照所述图像分割阈值对所述钼靶图像进行分割，得到所述多个候选区域包括：

将由所述钼靶图像按照所述图像分割阈值进行分割得到的多个图像区域中的每个图像区域内的用于指示人体部位组织连接的连接线断开，得到所述多个候选区域。