[发明专利]肠道图像处理方法、装置、存储介质及电子设备

说明书

本公开涉及一种肠道图像处理方法、装置、存储介质及电子设备，以通过多张连续的二维肠道图像预测肠癌复发风险。其中，该方法包括：获取基于肠道三维图像确定的多张连续的二维切片图像；将多张二维切片图像输入复发风险预测模型，得到复发风险结果，复发风险预测模型用于：对每一二维切片图像进行特征提取，得到多个初始图像特征；将多个初始图像特征按照多张二维切片图像的顺序依次输入序列特征提取网络，得到表征所述二维切片图像相关性的相关性特征；根据相关性特征，确定复发风险结果。

技术领域

本公开涉及图像处理技术领域，具体地，涉及一种肠道图像处理方法、装置、存储介质及电子设备。

背景技术

生存风险预测(survival risk prediction)任务旨在对癌症患者的生存能力作出预测，以辅助医生做出临床诊断和治疗决策。

在深度学习技术快速发展之前，生存风险可以采用传统的机器学习分析技术来预测，例如采用决策树和支持向量机等方式。但是，基于传统机器学习方法的生存风险预测方式往往难以达到令人满意的准确率。随着深度学习技术的发展，相关技术将深度学习引入到生存风险预测任务。但是，此种基于深度学习的生存风险预测方式中，输入数据往往是单张图像，在肠癌复发风险预测的场景下，难以达到令人满意的预测准确率。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种肠道图像处理方法，用于预测肠癌复发风险，所述方法包括：

获取基于肠道三维图像确定的多张连续的二维切片图像；

将多张所述二维切片图像输入复发风险预测模型，得到复发风险结果，所述复发风险预测模型用于通过如下方式确定所述复发风险结果：

对每一所述二维切片图像进行特征提取，得到多个初始图像特征；

将多个所述初始图像特征按照多张所述二维切片图像的顺序依次输入序列特征提取网络，得到表征多张所述二维切片图像相关性的相关性特征，其中所述序列特征提取网络用于根据第一次输入的所述初始图像特征，输出第一个特征，并根据输出的第N-1个特征和第N次输入的所述初始图像特征，输出第N个特征，所述相关性特征由所述序列特征提取网络依次输出的所述特征拼接而成，N为大于1且小于等于所述初始图像特征数量的正整数；

根据所述相关性特征，确定所述复发风险结果。

第二方面，本公开提供一种肠道图像处理装置，用于预测肠癌复发风险，所述装置包括：

获取模块，用于获取基于肠道三维图像确定的多张连续的二维切片图像；

预测模块，用于将多张所述二维切片图像输入复发风险预测模型，得到复发风险结果，所述复发风险预测模型用于通过如下模块确定所述复发风险结果：

第一确定模块，用于对每一所述二维切片图像进行特征提取，得到多个初始图像特征；

第二确定模块，用于将多个所述初始图像特征按照多张所述二维切片图像的顺序依次输入序列特征提取网络，得到表征多张所述二维切片图像相关性的相关性特征，其中所述序列特征提取网络用于根据第一次输入的所述初始图像特征，输出第一个特征，并根据输出的第N-1个特征和第N次输入的所述初始图像特征，输出第N个特征，所述相关性特征由所述序列特征提取网络依次输出的所述特征拼接而成，N为大于1且小于等于所述初始图像特征数量的正整数；

第三确定模块，用于根据所述相关性特征，确定所述复发风险结果。

第三方面，本公开提供一种非临时性计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面中所述方法的步骤。