[发明专利]基于人工智能的图像显示方法、装置、系统、设备及介质

权利要求书

1.一种基于人工智能的图像显示方法，其特征在于，所述方法包括：

基于图像分类模型对第一图像进行处理，得到第一特征图像，所述第一图像为通过显微镜对包括多个待检测对象的涂片的局部区域进行图像采集得到的图像；

基于所述图像分类模型，根据所述第一特征图像，获取所述第一特征图像对应的第二特征图像，所述第二特征图像与所述第一特征图像尺寸相同；

基于所述图像分类模型，对所述第一特征图像和所述第二特征图像进行叠加，基于叠加后的图像获取第三特征图像，所述第三特征图像中的特征点用于表示待检测对象属于异常对象的可能性，所述第三特征图像为二通道图像；

获取所述第三特征图像中的目标通道图像，所述目标通道图像中特征值不为零的特征点用于表示属于异常对象的待检测对象；

对于任一特征值不为零的特征点，响应于所述特征点的特征值不小于目标阈值，将所述特征点的特征值调整为1；

响应于所述特征点的特征值小于所述目标阈值，将所述特征点的特征值调整为0；

将调整特征值后的目标通道图像的尺寸调整为与所述第一图像的尺寸相同；

获取尺寸调整后的所述目标通道图像中特征值为1的图像区域的边缘特征点，得到第二图像，所述第二图像用于表示属于异常对象的待检测对象在所述第一图像中的位置；

在所述第一图像上叠加显示所述第二图像。

2.根据权利要求1所述的方法，其特征在于，所述基于所述图像分类模型，根据所述第一特征图像，获取所述第一特征图像对应的第二特征图像，包括：

基于所述图像分类模型对所述第一特征图像进行卷积处理，得到第四特征图像；

基于所述图像分类模型对所述第四特征图像进行反卷积处理，得到所述第一特征图像对应的第二特征图像。

3.根据权利要求1所述的方法，其特征在于，所述基于所述图像分类模型，对所述第一特征图像和所述第二特征图像进行叠加，基于叠加后的图像获取第三特征图像，包括：

基于所述图像分类模型，对所述第一特征图像和所述第二特征图像进行叠加，得到第五特征图像，所述第五特征图像与所述第一特征图像尺寸相同，所述第五特征图像的通道包括所述第一特征图像的通道和所述第二特征图像的通道；

基于所述图像分类模型，对所述第五特征图像进行卷积处理，得到所述第三特征图像。

4.根据权利要求1所述的方法，其特征在于，所述获取所述第三特征图像中的目标通道图像之后，所述方法还包括：

去除所述目标通道图像中的杂质区域和小于目标尺寸的区域。

5.根据权利要求1所述的方法，其特征在于，所述基于图像分类模型对第一图像进行处理，得到第一特征图像之前，所述方法还包括：

获取所述第一图像；

根据所述第一图像的图像属性确定所述第一图像所属的病理分析类型；

根据所述病理分析类型，调用所述病理分析类型对应的图像分类模型。

6.根据权利要求5所述的方法，其特征在于，所述图像属性还用于指示采集所述第一图像时的目标放大倍数；

所述根据所述病理分析类型，调用所述病理分析类型对应的图像分类模型，包括：

根据所述病理分析类型获取所述病理分析类型对应的至少一个待选图像分类模型；

响应于任一待选图像分类模型在训练时采用的样本图像的放大倍数与所述目标放大倍数相同，将所述待选图像分类模型作为所述图像分类模型。

7.根据权利要求1所述的方法，其特征在于，所述图像分类模型通过以下步骤训练得到：

获取训练样本图像，根据所述训练样本图像确定训练目标图像，所述训练样本图像为标注有异常对象的位置的图像，所述训练目标图像为二值图像，用于表示所述异常对象；

将所述训练样本图像输入待训练的图像分类模型，获取所述待训练的图像分类模型输出的第一样本特征图像；

根据所述第一样本特征图像和所述训练目标图像进行参数调整；

响应于达到训练结束条件，将训练得到的模型作为所述图像分类模型。