[发明专利]图像处理方法、装置、电子设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

输入目标对象的医疗信息中的医疗图像，其中所述医疗图像包括所述目标对象的同一目标区域的待分割医疗图像的集合；

通过医疗图像处理模型中的第一卷积神经网络，确定与所述医疗图像对应的多通道图像向量；

通过所述医疗图像处理模型中的多通道可逆残差网络中的每一个通道所携带的可逆残差网络，对相应通道中的图像向量进行处理；

根据所述每一个通道所携带的可逆残差网络对相应通道中的图像向量的处理结果，通过所述多通道可逆残差网络中的卷积层对所述图像向量的处理结果进行加和处理，确定与所述医疗图像相匹配的第一特征向量；

通过所述医疗图像处理模型的挤压激励网络对所述第一特征向量进行处理，确定与所述医疗图像相匹配的权重参数和第二特征向量；

基于医疗图像相匹配的权重参数和第二特征向量，通过所述医疗图像处理模型的激活函数和对应的卷积神经网络，对所述医疗图像进行分割，以实现输出所述医疗图像的分割结果。

2.根据权利要求1所述的方法，其特征在于，所述通过所述医疗图像处理模型中的第一卷积神经网络，确定与所述医疗图像对应的多通道图像向量，包括：

通过所述第一卷积神经网络对所述医疗图像进行降噪处理；

通过所述第一卷积神经网络的卷积层和最大值池化层对经过降噪处理的医疗图像交叉进行处理，得到所述医疗图像的降采样结果；

通过所述第一卷积神经网络的全连接层，对所述医疗图像的降采样结果进行归一化处理；

通过所述第一卷积神经网络对所述医疗图像的降采样的归一化结果，进行深度分解处理，确定与所述医疗图像相匹配的多通道图像向量。

3.根据权利要求2所述的方法，其特征在于，所述通过所述第一卷积神经网络对所述医疗图像进行降噪处理，包括：

根据所述医疗图像所对应的目标区域的位置，确定与所述医疗图像处理模型的使用环境相匹配的动态噪声阈值；

根据所述动态噪声阈值通过所述第一卷积神经网络对所述医疗图像进行降噪处理，以形成与所述动态噪声阈值相匹配的医疗图像。

4.根据权利要求2所述的方法，其特征在于，所述通过所述第一卷积神经网络对所述医疗图像进行降噪处理，包括：

根据所述医疗图像的图像类型，确定与所述医疗图像处理模型的使用环境相匹配的动态噪声阈值；

根据所述动态噪声阈值通过所述第一卷积神经网络对所述医疗图像进行降噪处理，以形成与所述动态噪声阈值相匹配的医疗图像。

5.根据权利要求1所述的方法，其特征在于，所述通过所述医疗图像处理模型的挤压激励网络对所述第一特征向量进行处理，确定与所述医疗图像相匹配的权重参数和第二特征向量，包括：

通过所述医疗图像处理模型的挤压激励网络中的全连接层对所述第一特征向量进行全连接处理；

基于所述第一特征向量的全连接处理结果，通过所述挤压激励网络中的激活层对所述第一特征向量的全连接处理结果进行非线性激活，获得相应的激活结果；

通过所述挤压激励网络中的分类层对所述激活结果进行分类，以获取转换后的与所述医疗图像相匹配的权重参数和第二特征向量。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

当所述医疗图像处理模型中的多通道可逆残差网络中的层级数量多于一层时，通过所述挤压激励网络中的分类层对所述激活结果进行处理，确定与所述医疗图像相匹配的第三特征向量；

通过所述多通道可逆残差网络中的每一层级对应的可逆残差网络层和卷积层，对所述第三特征向量进行迭代处理，直至通过所述挤压激励网络中的分类层对所述激活结果进行分类，以获取转换后的与所述医疗图像相匹配的权重参数和第二特征向量。