[发明专利]训练模型的方法、图像处理方法、装置及电子设备

说明书

本申请实施例提供了一种训练模型的方法和一种图像处理方法，应用于图像处理领域，尤其是医学图像处理，在训练模型的过程中，加入注意力机制，以权重的形式对各人体组织的区域进行重校正，使得当前卷积层的部分目标权重大于前一卷积层的预设权重，从而提升目标模型的处理效果。在图像处理过程中，利用该目标模型代替传统的手动分割，从而实现CT图像中多个人体组织的自动分割。本申请实施例提供的方法，能够一次性分割出多个人体组织，提高准确性。

技术领域

本申请属于图像处理领域，尤其涉及一种训练模型的方法、图像处理方法、装置及电子设备。

背景技术

人体成分分析是测量身体组成成分(主要是肌肉和脂肪)比例的一种分析方法，常用于评估营养状态、以及肥胖、代谢性疾病、心血管疾病、高血压等。电子计算机断层成像(Computed Tomography，CT)是进行人体成分分析的常用手段，CT是通过X射线对人体进行扫描，获得断层图像，断层图像能清晰地显示人体的肌肉和脂肪等组织的分布区域，基于断层图像中人体的肌肉和脂肪等组织的分布区域测量身体组成成分的比例。

目前，获取断层图像后，需要人工手动分割人体的肌肉和脂肪等组织的分布区域，人工手动分割依赖于主观经验，分割的准确性较低，大大限制了基于CT的人体成分分析在医学中的广泛应用。

发明内容

针对上述技术问题，本申请实施例提供一种训练模型的方法、图像处理方法、装置及电子设备，能够自动分割出人体的肌肉和脂肪等组织的分布区域，提高准确性。

第一方面，本申请实施例提供了一种训练模型的方法，该方法包括：

通过预设模型的当前卷积层对第一图像使用多个目标权重进行卷积处理，得到第二图像，第一图像中包括多个人体组织，第二图像上标注了多个人体组织在第二图像中所占的区域，多个目标权重与多个人体组织一一对应，多个目标权重中的部分目标权重大于相对应的预设权重，预设权重是前一卷积层在进行卷积处理时使用的权重；

根据第二图像与第三图像进行模型训练，得到目标模型，第三图像是经人工处理后得到的，第三图像上标注了多个人体组织在第三图像中所占的区域。

特别的，多个人体组织中指定类型的人体组织的目标权重大于相对应的预设权重。

指定类型的人体组织包括腹部脂肪和腹部肌肉。

特别的，预设模型以Unet模型为基础模型。

特别的，当前卷积层包括第一卷积模块和第二卷积模块，第一卷积模块位于第二卷积模块之前，第一卷积模块用于提取第一图像中的多个人体组织的信息，第二卷积模块用于对预设权重进行调整得到目标权重。

第二方面，本申请实施例提供了一种训练模型的装置，该装置包括：

处理单元，用于通过预设模型的当前卷积层对第一图像使用多个目标权重进行卷积处理，得到第二图像，第一图像中包括多个人体组织，第二图像上标注了多个人体组织在第二图像中所占的区域，多个目标权重与多个人体组织一一对应，多个目标权重中的部分目标权重大于相对应的预设权重，预设权重是前一卷积层在进行卷积处理时使用的权重；根据第二图像与第三图像进行模型训练，得到目标模型，第三图像是经人工处理后得到的，第三图像上标注了多个人体组织在第三图像中所占的区域。

第三方面，本申请实施例提供了一种图像处理方法，该方法包括：

获取待处理图像，所述待处理图像包括多个人体组织；

将待处理图像输入目标模型，得到处理后的图像，处理后的图像上标注了多个人体组织在待处理图像中所占的区域，目标模型为前述第一方面得到的目标模型。

第四方面，本申请实施例提供了一种图像处理装置，该装置包括：

获取模块，用于获取待处理图像，待处理图像包括多个人体组织；