[发明专利]图像处理方法及装置，模型的训练方法及装置，电子设备

说明书

本申请公开了一种图像处理方法及装置，模型的训练方法及装置，电子设备。该方法包括：将待分割图像和所述待分割图像的第一椎间盘掩模图像输入深度学习模型，以获得第一形变场和所述第一椎间盘掩模图像对应的第一置信度；通过所述第一形变场，对所述第一椎间盘掩模图像进行插值操作，以获得所述第一配准掩模图像；将所述第一配准掩模图像和所述第一置信度进行相乘操作，以获得所述待分割图像的背景和椎间盘的第一分割结果，能够避免在对椎间盘进行分割时出现欠分割、过分割等现象。

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像处理方法及装置，模型的训练方法及装置，电子设备。

背景技术

对于骨骼CT图像分割的研究，其非常重要的临床价值体现在计算机辅助信息的识别和帮助神经病理学的临床研究。如果椎间盘的结构没有被正确的分割和识别，那么所谓的用计算机描述的临床价值将受到局限。

发明内容

有鉴于此，本申请的实施例致力于提供一种图像处理方法及装置，模型的训练方法及装置，电子设备，能够避免在对椎间盘进行分割时出现欠分割、过分割等现象。

根据本申请实施例的第一方面，提供了一种图像处理方法，包括：将待分割图像和所述待分割图像的第一椎间盘掩模图像输入深度学习模型，以获得第一形变场和所述第一椎间盘掩模图像对应的第一置信度，其中，所述第一椎间盘掩模图像包括所述待分割图像的背景和椎间盘的初分割结果，所述第一形变场表征所述待分割图像的椎间盘的实际位置与所述第一椎间盘掩模图像椎间盘的预测位置之间的偏差，所述第一置信度表征准确预测所述第一椎间盘掩模图像的椎间盘的概率值；通过所述第一形变场，对所述第一椎间盘掩模图像进行插值操作，以获得所述第一配准掩模图像，其中，所述第一配准掩模图像包括所述待分割图像的背景和椎间盘的再分割结果；将所述第一配准掩模图像和所述第一置信度进行相乘操作，以获得所述待分割图像的背景和椎间盘的第一分割结果。

在一个实施例中，所述方法还包括：将所述待分割图像和所述待分割图像的第二椎间盘掩模图像输入所述深度学习模型，以获得第二形变场和所述第二椎间盘掩模图像对应的第二置信度，其中，所述第二椎间盘掩模图像为将所述第一椎间盘掩模图像向上或向下平移预设距离而得到；通过所述第二形变场，对所述第二椎间盘掩模图像进行插值操作，以获得所述第二配准掩模图像；将所述第二配准掩模图像和所述第二置信度进行相乘操作，以获得所述待分割图像的背景和椎间盘的第二分割结果；将所述第二分割结果和所述第一分割结果进行融合，以获得融合分割结果。

在一个实施例中，所述方法还包括：将所述待分割图像输入骨骼分割模型，以获得二分类骨骼的掩模图像，其中，所述二分类骨骼的掩模图像包括所述待分割图像的背景和骨骼的分割结果；将所述二分类骨骼的掩模图像输入椎间盘分割模型，以获得所述第一椎间盘掩模图像。

根据本申请实施例的第二方面，提供了一种深度学习模型的训练方法，包括：根据样本图像和所述样本图像的椎间盘掩模样本图像，通过所述深度学习模型，获得形变场和所述椎间盘掩模样本图像对应的置信度，其中，所述椎间盘掩模样本图像包括所述样本图像的背景和椎间盘的初分割结果，所述形变场表征所述样本图像的椎间盘的实际位置与所述椎间盘掩模样本图像椎间盘的预测位置之间的偏差，所述置信度表征准确预测所述椎间盘掩模样本图像的椎间盘的概率值；通过所述形变场，对所述椎间盘掩模样本图像进行插值操作，以获得所述配准掩模样本图像，其中，所述配准掩模样本图像包括所述样本图像的背景和椎间盘的再分割结果；根据所述配准掩模样本图像和所述样本图像的分割金标准之间的第一损失函数值，以及所述置信度和所述分割金标准相关的训练标签之间的第二损失函数值，更新所述深度学习模型的参数。

在一个实施例中，所述方法还包括：在所述椎间盘掩模样本图像中添加或者删除预设数量的椎间盘，获得与置信度对应的训练样本。