[发明专利]图像分析方法、计算机设备和存储介质

权利要求书

1.一种图像分析方法，其特征在于，所述方法包括：

获取原始左侧乳房图像和原始右侧乳房图像；

将所述原始左侧乳房图像和所述原始右侧乳房图像中的任意一个图像进行翻转，以使所述原始左侧乳房图像和所述原始右侧乳房图像具有相同的朝向；

对翻转后的两侧乳房图像进行分割处理，得到待分析的左乳分割图像和待分析的右乳分割图像；所述待分析的左乳分割图像和所述待分析的右乳分割图像中均包括乳房轮廓位置信息以及乳头位置信息，所述待分析的左乳分割图像中包括左乳区域，所述待分析的右乳分割图像中包括右乳区域；

基于所述乳房轮廓位置信息和所述乳头位置信息，对所述左乳分割图像和所述右乳分割图像进行配准，得到配准后的左乳分割图像和配准后的右乳分割图像；

将所述配准后的左乳分割图像输入至第一神经网络模型，将所述配准后的右乳分割图像输入至第二神经网络模型，在所述第一神经网络模型和所述第二神经网络模型中进行特征提取操作以及特征相似度分析操作，得到分析结果；所述分析结果用于表征所述左乳区域和所述右乳区域之间是否对称；

其中，所述第一神经网络模型和所述第二神经网络模型是基于多组训练图像对和每组训练图像对所对应的标注对称结果进行训练得到的，每组训练图像对均包括一个左乳训练图像和对应的一个右乳训练图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述配准后的左乳分割图像输入至第一神经网络模型，将所述配准后的右乳分割图像输入至第二神经网络模型，在所述第一神经网络模型和所述第二神经网络模型中进行特征提取操作以及特征相似度分析操作，得到分析结果，包括：

将所述配准后的左乳分割图像输入至第一神经网络模型，将所述配准后的右乳分割图像输入至第二神经网络模型，在所述第一神经网络模型和所述第二神经网络模型中进行特征提取操作，得到左乳特征向量和右乳特征向量；

采用相似度分析算法计算所述左乳特征向量和所述右乳特征向量之间的相似度，并基于计算的相似度得到所述分析结果。

3.根据权利要求2所述的方法，其特征在于，所述基于计算的相似度得到所述分析结果，包括：

将计算的相似度和预设的相似度阈值进行对比；

若所述计算的相似度大于所述相似度阈值，则确定所述分析结果为所述左乳区域和所述右乳区域之间不对称。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述第一神经网络模型和第二神经网络模型的训练方法包括：

将各组训练图像对输入至初始第一神经网络模型和初始第二神经网络模型，得到每组训练图像对所对应的训练特征向量对，所述训练特征向量对包括左乳训练特征向量和右乳训练特征向量；

计算每个训练特征向量对中左乳训练特征向量和右乳训练特征向量之间的相似度，并根据得到的每个训练特征向量对的相似度，得到各组训练图像对所对应的预测对称结果；

基于各组训练图像对的所述预测对称结果和对应的标注对称结果，对所述初始第一神经网络模型和初始第二神经网络模型进行训练，得到所述第一神经网络模型和第二神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述基于各组训练图像对的所述预测对称结果和对应的标注对称结果，对所述初始第一神经网络模型和初始第二神经网络模型进行训练，得到所述第一神经网络模型和第二神经网络模型，包括：

计算各组训练图像对的所述预测对称结果与对应的标注对称结果之间的损失；

对各组训练图像对的损失进行求和，并利用得到的和值对所述初始第一神经网络模型和初始第二神经网络模型进行训练，得到所述第一神经网络模型和第二神经网络模型。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述第一神经网络模型和所述第二神经网络模型以及所述相似度分析算法构成孪生网络模型。