[发明专利]图像特征值的获取方法、计算机设备和存储介质

权利要求书

1.一种图像特征值的获取和处理方法，其特征在于，所述方法包括：

获取初始图像；所述初始图像包括至少三种脑结构；

将所述初始图像输入至分割网络，分别得到第一特征图像、第二特征图像和第三特征图像，其中所述第一特征图像对应所述初始图像中的第一结构，所述第二特征图像对应所述初始图像中的第二结构；所述第三特征图像对应所述初始图像中的第三结构；

将所述第一特征图像输入至第一回归网络，得到第一特征值；

将所述第二特征图像输入至第二回归网络，得到第二特征值；

将所述第三特征图像输入至第三回归网络，得到第三特征值；

将所述第一特征值、所述第二特征值、所述第三特征值和所述分割网络中的其中一层卷积后的特征图输入至分类网络，得到分类结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述初始图像输入至分割网络，分别得到第一特征图像和第二特征图像，包括：

将所述初始图像输入至所述分割网络进行分割，得到分割图像；所述分割图像中包含至少两个结构特征的图像；

根据所述至少两个结构特征对所述分割图像进行剪裁，得到至少所述第一特征图像和所述第二特征图像；所述第一特征图像对应所述分割图像中的第一结构特征，所述第二特征图像对应所述分割图像中的第二结构特征。

3.根据权利要求1或2所述的方法，其特征在于，所述分割网络的训练过程包括：

获取多个样本图像；

以样本掩膜图像为监督信息，将所述多个样本图像输入至待训练的分割网络，训练所述待训练的分割网络，得到所述分割网络；所述样本掩膜图像包括所述样本图像中待分割结构的特征。

4.根据权利要求3所述的方法，其特征在于，

所述第一回归网络的训练过程包括：

获取多个第一样本特征图像；

以第一样本特征值为监督信息，将所述多个第一样本特征图像输入至待训练的第一回归网络，训练所述待训练的第一回归网络，得到所述第一回归网络；

所述第二回归网络的训练过程包括：

获取多个第二样本特征图像；

以第二样本特征值为监督信息，将所述多个第二样本特征图像输入至待训练的第二回归网络，训练所述待训练的第二回归网络，得到所述第二回归网络。

5.根据权利要求1所述的方法，其特征在于，若所述第一特征图像为海马体特征图像，则对应的所述第一特征值为海马体厚度；若所述第一特征图像为脉络膜裂特征图像，则对应的所述第一特征值为脉络膜裂宽度；若所述第一特征图像为颞脚特征图像，则对应的所述第一特征值为颞脚宽度。

6.根据权利要求1所述的方法，其特征在于，若第二特征图为海马体特征图像，则对应的所述第二特征值为海马体厚度；若第二特征图为脉络膜裂特征图像，则对应的所述第二特征值为脉络膜裂宽度；若第二特征图为颞脚特征图像，则对应的所述第二特征值为颞脚宽度。

7.根据权利要求1所述的方法，其特征在于，所述第一特征图像为海马体特征图像，所述第二特征图像为脉络膜裂特征图像，所述第三特征图像为颞脚特征图像；所述第一特征值为海马体厚度；所述第二特征值为脉络膜裂宽度；所述第三特征值为颞脚宽度。

8.根据权利要求1所述的方法，其特征在于，所述分类结果包括海马萎缩分类结果和/或脑病症分类结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。