[发明专利]图像处理方法、装置、存储介质、设备以及系统

说明书

本申请公开了一种图像处理方法、装置、存储介质、设备以及系统，属于机器学习技术领域。方法包括：获取待检测机体部位的视频影像流；对所述视频影像流中的每一帧图像依次进行病灶检测；对于当前帧图像，根据前序帧图像的第一病灶检测结果和所述当前帧图像的第二病灶检测结果，对所述当前帧图像进行分类；其中，所述前序帧图像为时序上位于所述当前帧图像之前的至少一帧图像。本申请在图像处理时，会将对前序帧图像的预测结果考虑到对当前帧图像的预测之中，不但聚合了单帧图像检测方法的高效且无累积误差的优点，而且通过融合其他帧图像的相关信息显著提高了图像分类的准确度以及确保了预测结果的连贯性。

技术领域

本申请涉及机器学习技术领域，特别涉及一种图像处理方法、装置、存储介质、设备以及系统。

背景技术

机器学习技术作为人工智能的核心，其应用范围目前已经遍及各个领域，比如医疗领域便是其中一种。在医疗领域中，利用机器学习技术对医学影像图像进行处理，可实现对病人是否罹患某种疾病进行识别。以结直肠癌为例，时下肠镜检查已被广泛应用于结肠癌筛查，在得到病人结直肠部位的医学影像图像后，利用计算机辅助检测技术对该医学影像图像进行处理，检测肠壁是否存在息肉，进而实现根据息肉的存在情况来辅助医生识别病人是否罹患结直肠癌。

继续以结直肠癌为例，相关技术在通过图像处理进行息肉检测时，尽管采集到的是视频影像流，但是输入到息肉检测模型的是该视频影像流中的单帧图像，即息肉检测模型在接收到单帧图像后，首先对该帧图像进行特征提取，之后，基于提取到的特征判断该帧图像中是否存在息肉。

上述图像处理方式至少存在以下问题：

第一、上述图像处理方式对息肉检测模型的准确度有较高要求，而考虑到实际场景的复杂性，息肉检测模型的准确度存在瓶颈。例如，在肠镜检查时可能会出现遮挡、光线过亮或过暗、运动性模糊、失焦性模糊等，又例如，息肉大小、形态、颜色等也会根据病人不同、摄像头与息肉的距离不同、终端型号不同等发生变化，而上述提及到的各种因素均会响应模型的检测准确度。

第二、上述图像处理方式的预测结果连贯性存在问题。视频影像流在采集过程中往往存在噪音，即便摄像头没有移动，由于肠道移动，相邻两帧图像之间通常也会存在细微差异，而这种差异有时会导致相邻两帧图像产生截然不同的预测结果，即视觉上相同的区域，息肉检测模型却给出不同的、不连贯、不一致的预测结果。

发明内容

本申请实施例提供了一种图像处理方法、装置、存储介质、设备以及系统，解决了相关技术存在的检测精确度不高的问题。所述技术方案如下：

一方面，提供了一种图像处理方法，所述方法包括：

获取待检测机体部位的视频影像流；

对所述视频影像流中的每一帧图像依次进行病灶检测；

对于当前帧图像，根据前序帧图像的第一病灶检测结果和所述当前帧图像的第二病灶检测结果，对所述当前帧图像进行分类；

其中，所述前序帧图像为时序上位于所述当前帧图像之前的至少一帧图像。

另一方面，提供了一种图像处理装置，所述装置包括：

获取模块，用于获取待检测机体部位的视频影像流；

检测模块，用于对所述视频影像流中的每一帧图像依次进行病灶检测；

处理模块，用于对于当前帧图像，根据前序帧图像的第一病灶检测结果和所述当前帧图像的第二病灶检测结果，对所述当前帧图像进行分类；

其中，所述前序帧图像为时序上位于所述当前帧图像之前的至少一帧图像。