[发明专利]病灶图像生成方法、装置、电子设备及存储介质

权利要求书

1.一种病灶图像生成方法，其特征在于，所述方法包括：

对至少一个历史病灶图像中的每个历史病灶图像进行图像识别处理，得到至少一个掩膜图像，其中，所述至少一个掩膜图像与所述至少一个历史病灶图像一一对应；

将所述每个掩膜图像与对应的历史病灶图像进行叠加处理，得到至少一个叠加图像，其中，所述至少一个叠加图像与所述至少一个掩膜图像一一对应；

根据所述至少一个叠加图像、所述至少一个掩膜图像和所述至少一个历史病灶图像对改进型循环对抗神经网络进行训练，得到病灶图像生成网络；

获取待生成病灶的原始图像；

在所述至少一个掩膜图像中随机选择一个或多个图像与所述原始图像进行叠加处理，得到待处理图像；

将所述待处理图像输入所述病灶图像生成网络，生成病灶图像。

2.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个叠加图像、所述至少一个掩膜图像和所述至少一个历史病灶图像对改进型循环对抗神经网络进行训练，得到病灶图像生成网络，包括：

将所述每个掩膜图像，与所述每个掩膜图像对应的叠加图像和历史病灶图像进行组合，得到至少一组图像组，其中，所述至少一组图像组与所述至少一个掩膜图像一一对应；

将所述至少一组图像组中的每个图像组输入所述改进型循环对抗神经网络，得到第一网络输出数据、第二网络输出数据、第一循环输出数据和第二循环输出数据；

获取所述每个图像组中的历史病灶图像与所述第一网络输出数据之间的第一差异，所述每个图像组中的历史病灶图像与所述第一循环输出数据之间的第二差异，所述每个图像组中的叠加图像与所述第二网络输出数据之间的第三差异，以及所述每个图像组中的叠加图像与所述第二循环输出数据之间的第四差异；

将所述第一差异、所述第二差异、所述第三差异、所述第四差异和所述每个图像组中的掩膜图像带入损失函数，得到所述每个图像组对应的损失值；

根据所述每个图像组对应的损失值对所述改进型循环对抗神经网络进行参数调整，得到所述病灶图像生成网络。

3.根据权利要求2所述的方法，其特征在于，所述损失函数满足以下公式：

Loss＝GLoss+MLoss

其中，GLoss表示循环对抗神经网络通用的损失函数，MLoss表示基于掩膜图像的掩膜损失函数；

所述掩膜损失函数满足以下公式：

其中，σ表示自定义权重，A(x，y)表示所述每个图像组中的历史病灶图像，B(x，y)表示所述每个图像组中的叠加图像，M(x，y)表示所述每个图像组中的掩膜图像，F_A(x，y)表示所述第一网络输出数据，F_B(x，y)表示所述第二网络输出数据，Cyc_A(x，y)表示所述第一循环输出数据，Cyc_B(x，y)表示所述第二循环输出数据。

4.根据所述权利要求1所述的方法，其特征在于，所述对至少一个历史病灶图像中的每个历史病灶图像进行图像识别处理，得到至少一个掩膜图像，包括：

对所述每个历史病灶图像进行图像识别，确定所述每个历史病灶图像中的病灶区域；

将所述病灶区域内的像素点置1，所述病灶区域外的像素点置0，得到所述候选掩膜图像；

对所述候选掩膜图像进行归一化处理，得到所述掩膜图像。

5.根据权利要求4所述的方法，其特征在于，所述对所述每个历史病灶图像进行图像识别，确定所述每个历史病灶图像中的病灶区域，包括：

对所述每个历史病灶图像进行灰度化处理，生成灰度图像；

根据所述每个历史病灶图像的标注数据对所述灰度图像进行标注处理，得到标注图像，其中，所述标注数据用于标注对应的所述每个历史病灶图像中病灶症状的位置、大小和灰度值范围；

根据所述每个历史病灶图像的病灶类型确定灰度过滤阈值，根据所述灰度过滤阈值对所述标注图像进行过滤处理，得到过滤图像；

根据所述每个历史病灶图像的病灶类型确定生长阈值范围，根据所述生长阈值范围对所述过滤图像进行区域生长处理，得到生长图像；

对所述生长图像进行边界提取，根据提取所得的区域边界确定所述每个历史病灶图像中的病灶区域。