CN112330665B - Ct图像处理方法、装置、存储介质和电子设备 - Google Patents
Ct图像处理方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112330665B CN112330665B CN202011345822.5A CN202011345822A CN112330665B CN 112330665 B CN112330665 B CN 112330665B CN 202011345822 A CN202011345822 A CN 202011345822A CN 112330665 B CN112330665 B CN 112330665B
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- window information
- feature map
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 180
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims abstract description 24
- 238000010586 diagram Methods 0.000 claims description 71
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000010606 normalization Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000017105 transposition Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 11
- 241001270131 Agaricus moelleri Species 0.000 description 5
- 210000004185 liver Anatomy 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009394 selective breeding Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开涉及一种CT图像处理方法、装置、存储介质和电子设备,所述方法包括:获取待处理的CT图像;根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,其中,所述目标窗信息初始为预训练获得的多个窗信息,每一所述窗信息对应一个图层;对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图;根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,作为一次图像处理,返回所述根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图的步骤,直至所述图像处理的次数达到预设次数;根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像。
Description
技术领域
本公开涉及图像处理领域,具体地,涉及一种CT图像处理方法、装置、存储介质和电子设备。
背景技术
在目前CT(Computed Tomography,电子计算机断层扫描)图像的处理过程中,在需要观察不同的病灶时需要将该CT图像调节至不同的显示窗口,如观察肺结节、肺癌等肺部疾病时,需要将CT图像调节到肺窗,可以清晰地观察到肺部纹理呈亮白清透,而四周软组织则是暗色,同样的也存在纵膈窗等其他窗口。由于人眼可区分的灰度是有限的,则可以设置不同的窗口以清晰地看清CT图像的各个方面。
现有技术中,在对CT图像进行处理时,通常会先设置需要对该CT图像处理所对应的窗口信息,以对CT图像进行预处理,然而在上述过程中只能通过单一窗口信息进行处理,并且可能会删除掉部分人眼无法观察到、而可以通过计算机技术进行分析的特征信息,导致CT图像处理过程中特征缺失。
发明内容
本公开的目的是提供一种特征全面、准确性高的CT图像处理方法、装置、存储介质及电子设备。
为了实现上述目的,根据本公开的第一方面,提供一种CT图像处理方法,所述方法包括:
获取待处理的CT图像;
根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,其中,所述目标窗信息初始为预训练获得的多个窗信息,每一所述窗信息对应一个图层;
对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图;
根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,作为一次图像处理,返回所述根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图的步骤,直至所述图像处理的次数达到预设次数;
根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像。
可选地,所述对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图,包括:
对所述第一特征图中的元素值进行预处理,获得第一处理图;
将所述第一处理图中对应于所述CT图像中的同一像素点的元素值进行归一化处理,获得第二处理图;
将所述第二处理图中对应于同一图层的元素值进行归一化处理,获得所述第二特征图。
可选地,所述根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像,包括:
根据所述CT图像和最后一次图像处理对应的第二特征图确定第一通道图;
根据最后一次图像处理对应的目标窗信息和第二特征图确定第二通道图;
根据所述第一通道图和所述第二通道图,确定所述目标CT图像。
可选地,所述根据最后一次图像处理对应的目标窗信息和第二特征图确定第二通道图,包括:
将所述目标窗信息的矩阵和所述第二特征图进行转置后所得的矩阵的乘积确定为所述第二通道图。
可选地,所述根据所述CT图像和最后一次图像处理对应的第二特征图确定第一通道图,包括:
将所述最后一次图像处理对应的所述第二特征图转换成二值图;
根据所述二值图和所述CT图像,确定所述第一通道图。
可选地,所述根据所述二值图和所述CT图像,确定所述第一通道图,包括:
针对所述二值图对应的每一图层,将所述图层和所述CT图像中对应于同一位置的元素值相乘,获得所述该图层对应的目标特征图;
对每一所述目标特征图进行正则化处理,获得与该目标特征图对应的显示特征图;
将每一所述显示特征图进行图层合并处理,获得所述第一通道图。
可选地,所述根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,包括:
对所述CT图像进行降维和转置,获得所述CT图像的图像矩阵;
将所述目标窗信息的矩阵与所述图像矩阵的乘积确定为所述第一特征图。
根据本公开的第二方面,提供一种CT图像处理装置,所述装置包括:
获取模块,用于获取待处理的CT图像;
第一处理模块,用于根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,其中,所述目标窗信息初始为预训练获得的多个窗信息,每一所述窗信息对应一个图层;
第二处理模块,用于对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图;
第一确定模块,用于根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,作为一次图像处理,触发所述第一处理模块根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,直至所述图像处理的次数达到预设次数;
第二确定模块,用于根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像。
可选地,所述第二处理模块包括:
预处理子模块,用于对所述第一特征图中的元素值进行预处理,获得第一处理图;
第一处理子模块,用于将所述第一处理图中对应于所述CT图像中的同一像素点的元素值进行归一化处理,获得第二处理图;
第二处理子模块,用于将所述第二处理图中对应于同一图层的元素值进行归一化处理,获得所述第二特征图。
可选地,所述第二确定模块包括:
第一确定子模块,用于根据所述CT图像和最后一次图像处理对应的第二特征图确定第一通道图;
第二确定子模块,用于根据最后一次图像处理对应的目标窗信息和第二特征图确定第二通道图;
第三确定子模块,用于根据所述第一通道图和所述第二通道图,确定所述目标CT图像。
可选地所述第二确定子模块用于:
将所述目标窗信息的矩阵和所述第二特征图进行转置后所得的矩阵的乘积确定为所述第二通道图。
可选地,所述第一确定子模块包括:
转换子模块,用于将所述最后一次图像处理对应的所述第二特征图转换成二值图;
第四确定子模块,用于根据所述二值图和所述CT图像,确定所述第一通道图。
可选地,所述第四确定子模块包括:
第三处理子模块,用于针对所述二值图对应的每一图层,将所述图层和所述CT图像中对应于同一位置的元素值相乘,获得所述该图层对应的目标特征图;
第四处理子模块,用于对每一所述目标特征图进行正则化处理,获得与该目标特征图对应的显示特征图;
第五处理子模块,用于将每一所述显示特征图进行图层合并处理,获得所述第一通道图。
可选地,所述第一处理模块包括:
第六处理子模块,用于对所述CT图像进行降维和转置,获得所述CT图像的图像矩阵;
第五确定子模块,用于将所述目标窗信息的矩阵与所述图像矩阵的乘积确定为所述第一特征图。
根据本公开的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一方面任一项所述方法的步骤。
根据本公开的第四方面,提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现上述第一方面任一项所述方法的步骤。
在上述技术方案中,获取待处理的CT图像,根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,之后对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图,从而可以根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,作为一次图像处理,返回所述根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图的步骤,直至所述图像处理的次数达到预设次数,之后,根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像。由此,通过上述技术方案,在对CT图像进行处理时,通过目标窗信息对CT图像进行处理,获得包含多个窗信息下的特征的第一特征图,通过对第一特征图进行归一化并结合CT图像更新目标窗信息的多次迭代,可以逐步实现对CT图像中的重点区域的关注,使得在对该CT图像进行处理时可以关注该CT图像在多个窗信息下的特征信息,以获得该CT图像更加全面的特征,有效避免对CT图像加窗处理过程中的特征缺失,提高CT图像处理结果的准确性。另外,通过上述技术方案,无需根据用户经验设置窗信息,避免人为选择窗信息对CT图像处理结果的影响,进一步提高CT图像处理结果的准确性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据本公开的一种实施方式提供的CT图像处理方法的流程图;
图2是根据本公开的一种实施方式提供的CT图像处理装置的框图;
图3是根据一示例性实施例示出的一种电子设备的框图;
图4是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
图1所示,为根据本公开的一种实施方式提供的CT图像处理方法的流程图,如图1所示,所述方法包括:
在步骤11中,获取待处理的CT图像,其中,该CT图像可以是通过任一CT设备获得的任一身体部位的CT图像。
在步骤12中,根据目标窗信息对CT图像进行处理,获得CT图像的第一特征图,其中,所述目标窗信息初始为预训练获得的多个窗信息,每一所述窗信息对应一个图层,该预训练获得的每一窗信息对应于CT图像中的一个关注区域进行显示。
CT图像中能识别人体内2000个不同灰阶的密度差别,而如背景技术中所述,人眼可区分的灰阶是有限的,人眼能分辨16个灰阶,因此,人眼直接在CT图像上能分辨的CT值范围应为125Hu。换句话说,人体内不同组织对应的CT图像中的CT值只有在相差125Hu以上时,才能为人眼所分辨识别。因此,通常通过对CT图像进行加窗处理,从而将CT图像处理为便于人眼分辨的图像。
窗宽信息可以用于表示CT图像中可以显示的CT值范围,窗位信息可以表示CT图像中观察的中心CT值。示例地,一种目标窗信息可以为肝窗的窗信息,如窗宽信息为160Hu,窗位信息为30Hu,则在对CT图像进行加窗处理后,其可以显示的CT值范围即为(-50Hu,110Hu)。基于该窗信息对CT图像进行加窗处理,即将该CT图像中处于该CT值范围内的部分分为16个灰阶以使得人眼可以观察对比,即在CT图像中CT值相差10Hu的话,在加窗处理后所得的CT图像中人眼即可分辨识别该部分区别,在CT图像中CT值小于-50Hu的部分可以显示为黑色,在CT图像中CT值大于110Hu的部分可以显示为白色。
又如,一种目标窗信息可以是腹窗的窗信息,其中目标窗宽信息为240Hu,目标窗位信息为40Hu,则通过该目标窗信息对CT图像进行加窗处理后获得的CT图像中,每一个灰阶对应的CT值范围为15Hu,即在CT图像中CT值相差15Hu的话,在加窗处理后所得的CT图像中人眼即可分辨识别该部分区别,并且该CT图像中显示的CT值范围为(-80Hu,160Hu)。在CT图像中CT值小于-80Hu的部分可以显示为黑色,在CT图像中CT值大于160Hu的部分可以显示为白色。
由此,在该步骤中,可以通过预训练的方式确定多种用于对CT图像加窗处理的窗信息,以基于该窗信息对图像处理过程中的目标窗信息进行初始化赋值,从而可以使得在确定出的第一特征图中包含有CT图像在多种窗信息下的特征;并且根据该多个窗信息对CT图像进行处理,则可以获得该CT图像对应的多个图层,并且每一图层中对CT图像的显示结果不同,即可以在不同的图层中分别关注该CT图像中的不同区域,以通过该图层对应的窗信息对该区域进行显示,每一图层对应的显示对比度为与该图层中关注区域对应的,则在CT图像中同一部分可能在不同的图层中显示为不同的灰阶。
在步骤13中,对第一特征图进行归一化处理,获得CT图像对应的第二特征图。
其中,所述第一特征图可以用于表征该CT图像中在目标窗信息下的显示特征,该第一特征图中包含CT图像中的像素点信息以及不同窗信息对应的图层信息,因此对第一特征图进行归一化处理,获得第二特征图,则在该第二特征图中可以包含CT图像中的每一像素点在每一窗信息下的权重特征以及在每一窗信息对应的图层中的权重特征。
在步骤14中,根据CT图像和第二特征图,确定更新后的目标窗信息,作为一次图像处理,返回根据目标窗信息对CT图像进行处理,获得CT图像的第一特征图的步骤12,直至图像处理的次数达到预设次数。
其中,该预设次数可以根据实际的使用场景进行设置,本公开对此不进行限定。在步骤13中通过确定CT图像的第二特征图,可以确定CT图像中的每一像素点对应的权重特征,从而可以根据该CT图像和该第二特征图确定新的目标窗信息,以进一步对CT图像中的每一像素点的特征进行调整,获得更加准确和全面的特征。
在步骤15中,根据CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像。
其中,由上文所述可知,最后一次图像处理获得的第二特征图可以包含经过多次迭代调整之后的CT图像中的每一像素点在每一窗信息下的权重特征以及在每一窗信息对应的图层中的权重特征,从而可以基于该第二特征图中权重特征对CT图像中的像素点进行区别显示,以使得CT图像在通过窗信息显示时可以更加关注该窗信息所对应区域中的局部信息。最后一次图像处理对应的目标窗信息可以包含CT图像中基于该第二特征图调整后的全局信息,从而提高确定出的目标CT图像的特征的全面性。
由此,在上述技术方案中,获取待处理的CT图像,根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,之后对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图,从而可以根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,作为一次图像处理,返回所述根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图的步骤,直至所述图像处理的次数达到预设次数,之后,根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像。由此,通过上述技术方案,在对CT图像进行处理时,通过目标窗信息对CT图像进行处理,获得包含多个窗信息下的特征的第一特征图,通过对第一特征图进行归一化并结合CT图像更新目标窗信息的多次迭代,可以逐步实现对CT图像中的重点区域的关注,使得在对该CT图像进行处理时可以关注该CT图像在多个窗信息下的特征信息,以获得该CT图像更加全面的特征,有效避免对CT图像加窗处理过程中的特征缺失,提高CT图像处理结果的准确性。另外,通过上述技术方案,无需根据用户经验设置窗信息,避免人为选择窗信息对CT图像处理结果的影响,进一步提高CT图像处理结果的准确性。
为了使本领域技术人员更加清楚的了解本公开实施例提供的技术方案,以下对上述步骤进行详细说明。
在一种可能的实施例中,在步骤12中,根据目标窗信息对CT图像进行处理,获得CT图像的第一特征图的示例性实现方式如下,该步骤可以包括:
对所述CT图像进行降维和转置,获得所述CT图像的图像矩阵。
示例地,记CT图像的矩阵X的维度为C*H*W,其中,H用于表示所述CT图像的长,W用于表示所述CT图像的宽,C用于表示所述CT图像的图层数,本公开中该图层数为1,之后则可以通过对该CT图像降维,获得降维之后的矩阵X1,该矩阵X1的维度为1*N,其中N=H*W。之后,对矩阵X1进行转置,获得图像矩阵X’,该矩阵X’的维度N*1。
之后,将所述目标窗信息的矩阵与所述图像矩阵的乘积确定为所述第一特征图。
示例地,该目标窗信息的矩阵Y的维度可以表示为1*K,其中,K为窗信息的个数,从而可以确定该第一特征图Z的维度为N*K,则可以在第一特征图中表示出CT图像中的每一像素点在不同窗信息下对应的特征信息。
由此,通过上述技术,通过目标窗信息对CT图像进行处理,从而获得该CT图像的第一特征图,通过矩阵处理算法获得该第一特征图,可以提高图像处理的效率,可以简便地确定出CT图像中的每一像素点在各个窗信息下对应的特征,从而可以提高该第一特征图中所包含的CT图像中特征的全面性,并且为后续图像处理操作提供准确且全面的数据支持。
在一种可能的实施例中,在步骤13中,对第一特征图进行归一化处理,获得CT图像对应的第二特征图的示例性实现方式如下,该步骤可以包括:
对所述第一特征图中的元素值进行预处理,获得第一处理图。其中,该元素值为其对应的元素的取值。示例地,该预处理过程可以是对所述第一特征图中的每一元素值乘以一预设参数,该预设参数用于对所述第一特征图中的元素值进行放大,以获得该第一处理图。示例地,该预设参数可以根据实际使用场景进行设置,本公开对此不进行限定。
之后,将所述第一处理图中对应于所述CT图像中的同一像素点的元素值进行归一化处理,获得第二处理图。
示例地,该第一特征图Z的维度为N*K,则该第一处理图C的维度同样为N*K,由上文所述可知,N为所述CT图像中的像素点的总个数,则针对所述CT图像中的像素点n而言,其在第一处理图C中对应的元素值为Cn1,Cn2,…,CnK,由此,将所述第一处理图中对应于所述CT图像中的同一像素点的元素值进行归一化处理,可以是通过softmax方式进行归一化,即:
其中,C'ij即为第二处理图C’中的任一元素值,第二处理图的维度同样为N*K。由此,通过将第一处理图中的每一像素点对应的元素归一化处理,可以确定出CT图像中的每一像素点在不同窗信息下的权重特征。
之后,将所述第二处理图中对应于同一图层的元素值进行归一化处理,获得所述第二特征图。
示例地,在第二处理图C’中,对应于同一图层的元素,以图层1为例,可以表示为C’11,C’21,…,C’N1,将所述第二处理图中对应于同一图层的元素值进行归一化处理,可以是通过确定每一元素该在图层中的占比进行归一化,即:
其中,Z'ij即为第二特征图Z’中的任一元素值,第二特征图的维度同样为N*K。由此,可以确定出在CT图像对应的每一图层中各个像素点的权重特征。
由此,上述技术方案通过对第一特征图进行在CT图像中的每一像素点维度和对应的每一图层的维度上进行归一化处理,基于EM算法原理,在迭代过程中,可以确定出CT图像中的每一像素点在不同窗信息下的权重特征和在CT图像对应的每一图层中各个像素点的权重特征,从而可以实现对CT图像每一像素点的权重确定,为后续基于该权重特征进一步调整目标窗信息提供数据支持。
在上述过程中,在确定出第二特征图时,会对所述第二处理图中对应于同一图层的元素值进行归一化处理,相应地,根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,可以是将该CT图像进行降维后获得的图像矩阵与该第二特征图的矩阵的乘积进行正则化处理后的矩阵确定为该更新后的目标窗信息,从而可以基于确定出的第二特征图对CT图像中的像素进行加权平均,获得更新后的目标窗信息,则在该目标窗信息收敛时,可以认为确定出的第二特征图为最终的特征图。其中,正则化处理可以是通过L2范式进行处理。其中,L2范式的计算方式为现有技术,在此不再赘述。在本公开中,可以通过设置预设次数以保证该目标窗信息的收敛性。
在一种可能的实施例中,在步骤14中,根据CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像的示例性实现方式如下,该步骤可以包括:
根据所述CT图像和最后一次图像处理对应的第二特征图确定第一通道图。
其中,在最后一次图像处理对应的第二特征图中,可以包括CT图像中的每一像素点在不同的窗信息对应的图层中的权重特征,从而可以基于该第二特征图和CT图像确定出每一图层所关注的区域的图像,以获得该第一通道图,获得该CT图像在不同窗信息下显示出的局部区域信息。
根据最后一次图像处理对应的目标窗信息和第二特征图确定第二通道图。
其中,可以将目标窗信息的矩阵和第二特征图进行转置后所得的矩阵的乘积确定为该第二通道图。该目标窗信息是基于CT图像和最终确定出的第二特征图确定出的加权特征,从而根据目标窗信息和转置后的第二特征图可以对CT图像进行全局特征提取,从而保证该第二通道图中的全局信息。
根据所述第一通道图和所述第二通道图,确定所述目标CT图像。
示例地,可以通过现有的通道合并技术实现对第一通道图和第二通道图的数据合并,获得合并图,从而可以基于该合并图生成目标CT图像。
其中,第一通道图中包含对该CT图像中在目标窗信息的每一窗信息下提取出的关注区域的局部特征,第二通道图中则包含有基于第二特征图对CT图像整体进行特征提取的全局特征,由此,通过上述技术方案确定出的目标CT图像中既可以不同的窗信息对该CT图像中每一关注区域进行准确显示,又可以包含该CT图像的全局信息,实现在同一CT图像中显示多种窗信息下能够显示的特征,从而提高CT图像处理的效率,提升用户使用体验。
示例地,所述根据所述CT图像和最后一次图像处理对应的第二特征图确定第一通道图的示例性实现方式如下,可以包括:
将所述最后一次图像处理对应的所述第二特征图转换成二值图。示例地,在该步骤中,可以将该第二特征图中的非零元素值记为1,从而获得该二值图。
之后,根据所述二值图和所述CT图像,确定所述第一通道图。其中,该二值图可以作为该CT图像的掩膜,从而实现对CT图像中的目标像素点的筛选。
在一种实施例中,所述根据所述二值图和所述CT图像,确定所述第一通道图,可以包括:
针对所述二值图对应的每一图层,将所述图层和所述CT图像中对应于同一位置的元素值相乘,获得所述该图层对应的目标特征图。
示例地,该二值图是通过该第二特征图转换而成的,则该二值图的矩阵B的维度即为N*K,其中,则每一列元素对应于同一图层,示例地,可以根据CT图像的图像矩阵进行计算,该图像矩阵X’的维度为N*1,则可以将该矩阵B中的每一列的元素值与该图像矩阵X’中的元素值一一对应相乘的结果确定为所述目标特征图中对应的每一列的元素值,从而获得该目标特征图。
由此,通过该步骤,可以在每一图层中通过二值图对CT图像中的像素点进行筛选,从而获得在当前图层中需要关注的区域的像素点,实现对CT图像的局部像素提取。
对每一所述目标特征图进行正则化处理,获得与该目标特征图对应的显示特征图。
示例地,该正则化处理可以是通过L2范式进行处理。其中,L2范式的计算方式为现有技术,在此不再赘述。在该步骤中,通过对每一目标特征图进行正则化处理,从而可以当前图层对选择出的像素点进行完全显示,获得该显示特征图。
示例地,目标窗信息中包含的窗信息为2个,可以分别用于观察肝部和腹部,则通过上述方式,通过上述二值图可以确定出两个目标特征图,其中一个目标特征图中包含腹部区域对应的像素点,另一个目标特征图包含肝部区域对应的像素点,之后对每一目标特征图进行正则化处理,从而确定该显示特征图。例如,腹部区域对应目标特征图中选择出的像素点的像素值范围是[A1,B1],之后通过对目标特征图进行正则化处理,以使得该像素值范围[A1,B1]的像素点可以在该显示特征图中进行显示。又如,肝部区域对应目标特征图中选择出的像素点的像素值范围是[A2,B2],之后通过对目标特征图进行正则化处理,以使得该像素值范围[A2,B2]的像素点可以在该显示特征图中进行显示。由此,可以实现在不同的显示特征图中基于不同的窗信息以对不同的像素值范围的像素进行显示。
之后,将每一所述显示特征图进行图层合并处理,获得所述第一通道图。
其中,由上文所述可知,每一显示特征图中对应有该图层对应的显示区域,则在该步骤中,通过对多个显示特征图进行图层合并,则可以在第一通道图中对各个显示区域进行显示,避免现有技术中对CT图像进行加窗处理过程中导致的局部特征缺失,提高CT图像处理结果的准确性,为后续基于该CT图像处理结果进行图像分类、图像分割等提供准确的数据支持。
在一种可能的实施例中,预训练的多个窗信息通过以下方式确定:
获取用于训练的多个CT图像样本。
根据需要的窗信息的个数随机初始化出多个窗信息,以获得训练窗信息的初始值。之后,针对每一样本,根据训练窗信息对CT图像样本进行处理,获得所述CT图像样本的第一训练特征图,其中,每一窗信息对应一个图层。之后通过对所述第一训练特征图进行归一化处理,获得CT图像样本对应的第二训练特征图,根据CT图像样本和第二训练特征图,确定更新后的训练窗信息,作为一次图像处理,返回根据训练窗信息对CT图像样本进行处理,获得所述CT图像样本的第一训练特征图的步骤,直至所述图像处理的次数达到训练次数。其中,训练次数可以根据实际使用场景进行设置。
其中,上述训练过程中的各个步骤的具体实现方式与上文所述各步骤的实现方式相同,在此不再赘述。
由此,训练结束后获得的训练窗信息即可以作为图像处理过程中的目标窗信息的初始值,从而可以提高图像处理的精度,有效降低图像处理过程中所需的迭代次数,同时可以提高图像处理的效率。
本公开提供一种CT图像处理装置,如图2所示,所述装置10包括:
获取模块100,用于获取待处理的CT图像;
第一处理模块200,用于根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,其中,所述目标窗信息初始为预训练获得的多个窗信息,每一所述窗信息对应一个图层;
第二处理模块300,用于对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图;
第一确定模块400,用于根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,作为一次图像处理,触发所述第一处理模块根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,直至所述图像处理的次数达到预设次数;
第二确定模块500,用于根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像。
可选地,所述第二处理模块包括:
预处理子模块,用于对所述第一特征图中的元素值进行预处理,获得第一处理图;
第一处理子模块,用于将所述第一处理图中对应于所述CT图像中的同一像素点的元素值进行归一化处理,获得第二处理图;
第二处理子模块,用于将所述第二处理图中对应于同一图层的元素值进行归一化处理,获得所述第二特征图。
可选地,所述第二确定模块包括:
第一确定子模块,用于根据所述CT图像和最后一次图像处理对应的第二特征图确定第一通道图;
第二确定子模块,用于根据最后一次图像处理对应的目标窗信息和第二特征图确定第二通道图;
第三确定子模块,用于根据所述第一通道图和所述第二通道图,确定所述目标CT图像。
可选地,所述第二确定子模块用于:
将所述目标窗信息的矩阵和所述第二特征图进行转置后所得的矩阵的乘积确定为所述第二通道图。
可选地,所述第一确定子模块包括:
转换子模块,用于将所述最后一次图像处理对应的所述第二特征图转换成二值图;
第四确定子模块,用于根据所述二值图和所述CT图像,确定所述第一通道图。
可选地,所述第四确定子模块包括:
第三处理子模块,用于针对所述二值图对应的每一图层,将所述图层和所述CT图像中对应于同一位置的元素值相乘,获得所述该图层对应的目标特征图;
第四处理子模块,用于对每一所述目标特征图进行正则化处理,获得与该目标特征图对应的显示特征图;
第五处理子模块,用于将每一所述显示特征图进行图层合并处理,获得所述第一通道图。
可选地,所述第一处理模块包括:
第六处理子模块,用于对所述CT图像进行降维和转置,获得所述CT图像的图像矩阵;
第五确定子模块,用于将所述目标窗信息的矩阵与所述图像矩阵的乘积确定为所述第一特征图。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图3是根据一示例性实施例示出的一种电子设备700的框图。如图3所示,该电子设备700可以包括:处理器701,存储器702。该电子设备700还可以包括多媒体组件703,输入/输出(I/O)接口704,以及通信组件705中的一者或多者。
其中,处理器701用于控制该电子设备700的整体操作,以完成上述的CT图像处理方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作,这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件705可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的CT图像处理方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的CT图像处理方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器702,上述程序指令可由电子设备700的处理器701执行以完成上述的CT图像处理方法。
图4是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图4,电子设备1900包括处理器1922,其数量可以为一个或多个,以及存储器1932,用于存储可由处理器1922执行的计算机程序。存储器1932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器1922可以被配置为执行该计算机程序,以执行上述的CT图像处理方法。
另外,电子设备1900还可以包括电源组件1926和通信组件1950,该电源组件1926可以被配置为执行电子设备1900的电源管理,该通信组件1950可以被配置为实现电子设备1900的通信,例如,有线或无线通信。此外,该电子设备1900还可以包括输入/输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM等等。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的CT图像处理方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器1932,上述程序指令可由电子设备1900的处理器1922执行以完成上述的CT图像处理方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的CT图像处理方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (9)
1.一种CT图像处理方法,其特征在于,所述方法包括:
获取待处理的CT图像;
根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,其中,所述目标窗信息初始为预训练获得的多个窗信息,每一所述窗信息对应一个图层;
对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图;
根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,作为一次图像处理,返回所述根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图的步骤,直至所述图像处理的次数达到预设次数;
根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像;
其中,所述根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,包括:
对所述CT图像进行降维和转置,获得所述CT图像的图像矩阵;
将所述目标窗信息的矩阵与所述图像矩阵的乘积确定为所述第一特征图。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图,包括:
对所述第一特征图中的元素值进行预处理,获得第一处理图;
将所述第一处理图中对应于所述CT图像中的同一像素点的元素值进行归一化处理,获得第二处理图;
将所述第二处理图中对应于同一图层的元素值进行归一化处理,获得所述第二特征图。
3.根据权利要求1所述的方法,其特征在于,所述根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像,包括:
根据所述CT图像和最后一次图像处理对应的第二特征图确定第一通道图;
根据最后一次图像处理对应的目标窗信息和第二特征图确定第二通道图;
根据所述第一通道图和所述第二通道图,确定所述目标CT图像。
4.根据权利要求3所述的方法,其特征在于,所述根据最后一次图像处理对应的目标窗信息和第二特征图确定第二通道图,包括:
将所述目标窗信息的矩阵和所述第二特征图进行转置后所得的矩阵的乘积确定为所述第二通道图。
5.根据权利要求3所述的方法,其特征在于,所述根据所述CT图像和最后一次图像处理对应的第二特征图确定第一通道图,包括:
将所述最后一次图像处理对应的所述第二特征图转换成二值图;
根据所述二值图和所述CT图像,确定所述第一通道图。
6.根据权利要求5所述的方法,其特征在于,所述根据所述二值图和所述CT图像,确定所述第一通道图,包括:
针对所述二值图对应的每一图层,将所述图层和所述CT图像中对应于同一位置的元素值相乘,获得所述该图层对应的目标特征图;
对每一所述目标特征图进行正则化处理,获得与该目标特征图对应的显示特征图;
将每一所述显示特征图进行图层合并处理,获得所述第一通道图。
7.一种CT图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取待处理的CT图像;
第一处理模块,用于根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,其中,所述目标窗信息初始为预训练获得的多个窗信息,每一所述窗信息对应一个图层;
第二处理模块,用于对所述第一特征图进行归一化处理,获得所述CT图像对应的第二特征图;
第一确定模块,用于根据所述CT图像和所述第二特征图,确定更新后的目标窗信息,作为一次图像处理,触发所述第一处理模块根据目标窗信息对所述CT图像进行处理,获得所述CT图像的第一特征图,直至所述图像处理的次数达到预设次数;
第二确定模块,用于根据所述CT图像以及最后一次图像处理对应的目标窗信息和第二特征图,确定目标CT图像;
其中,所述第一处理模块包括:
第六处理子模块,用于对所述CT图像进行降维和转置,获得所述CT图像的图像矩阵;
第五确定子模块,用于将所述目标窗信息的矩阵与所述图像矩阵的乘积确定为所述第一特征图。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
9.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011345822.5A CN112330665B (zh) | 2020-11-25 | 2020-11-25 | Ct图像处理方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011345822.5A CN112330665B (zh) | 2020-11-25 | 2020-11-25 | Ct图像处理方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330665A CN112330665A (zh) | 2021-02-05 |
CN112330665B true CN112330665B (zh) | 2024-04-26 |
Family
ID=74308834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011345822.5A Active CN112330665B (zh) | 2020-11-25 | 2020-11-25 | Ct图像处理方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330665B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780492A (zh) * | 2017-01-23 | 2017-05-31 | 天津大学 | 一种ct骨盆图像的关键帧提取方法 |
CN108334733A (zh) * | 2017-09-01 | 2018-07-27 | 上海联影医疗科技有限公司 | 医学图像显示方法、显示系统及计算机可读存储介质 |
EP3576048A1 (en) * | 2018-05-29 | 2019-12-04 | Koninklijke Philips N.V. | Adaptive window generation for multi-energy x-ray |
CN111144449A (zh) * | 2019-12-10 | 2020-05-12 | 东软集团股份有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111523578A (zh) * | 2020-04-13 | 2020-08-11 | 北京推想科技有限公司 | 图像分类方法及装置、神经网络模型的训练方法及装置 |
CN111542267A (zh) * | 2017-12-07 | 2020-08-14 | 皇家飞利浦有限公司 | 用于呈现暗场x射线图像信息的装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9737278B2 (en) * | 2015-09-30 | 2017-08-22 | General Electric Company | Methods and systems for multi-window imaging |
US10643319B2 (en) * | 2018-01-30 | 2020-05-05 | Canon Medical Systems Corporation | Apparatus and method for context-oriented blending of reconstructed images |
-
2020
- 2020-11-25 CN CN202011345822.5A patent/CN112330665B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780492A (zh) * | 2017-01-23 | 2017-05-31 | 天津大学 | 一种ct骨盆图像的关键帧提取方法 |
CN108334733A (zh) * | 2017-09-01 | 2018-07-27 | 上海联影医疗科技有限公司 | 医学图像显示方法、显示系统及计算机可读存储介质 |
CN111542267A (zh) * | 2017-12-07 | 2020-08-14 | 皇家飞利浦有限公司 | 用于呈现暗场x射线图像信息的装置 |
EP3576048A1 (en) * | 2018-05-29 | 2019-12-04 | Koninklijke Philips N.V. | Adaptive window generation for multi-energy x-ray |
CN111144449A (zh) * | 2019-12-10 | 2020-05-12 | 东软集团股份有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111523578A (zh) * | 2020-04-13 | 2020-08-11 | 北京推想科技有限公司 | 图像分类方法及装置、神经网络模型的训练方法及装置 |
Non-Patent Citations (2)
Title |
---|
Poly-energetic and virtual mono-energetic images from a novel dual-layer spectral detector CT:optimization of window settings is crucial to improve subjective image quality in abdominal CT angiographies;Jonas Doerner等;《Abdominal Radiology》;第43卷;742–750 * |
四肢锥束CT成像系统研制;马昆;《中国硕士学位论文全文数据库_工程科技Ⅱ辑》;C030-9 * |
Also Published As
Publication number | Publication date |
---|---|
CN112330665A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102538164B1 (ko) | 이미지 처리 방법 및 장치, 전자 장치 및 기억 매체 | |
CN108229488B (zh) | 用于检测物体关键点的方法、装置及电子设备 | |
CN110598765B (zh) | 样本生成方法、装置、计算机设备及存储介质 | |
CN110197716B (zh) | 医学影像的处理方法、装置及计算机可读存储介质 | |
CN112396115A (zh) | 基于注意力机制的目标检测方法、装置及计算机设备 | |
CN111476863B (zh) | 一种黑白漫画上色的方法、装置、电子设备及存储介质 | |
CN112257603B (zh) | 高光谱图像分类方法及相关设备 | |
CN110675385A (zh) | 一种图像处理方法、装置、计算机设备以及存储介质 | |
CN113283485A (zh) | 目标检测方法及其模型的训练方法和相关装置及介质 | |
CN112001983B (zh) | 生成遮挡图像的方法、装置、计算机设备和存储介质 | |
US20140307930A1 (en) | Teachable object contour mapping for biology image region partition | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN112287965A (zh) | 图像质量检测模型训练方法、装置和计算机设备 | |
CN113782093B (zh) | 一种基因表达填充数据的获取方法及装置、存储介质 | |
CN112330665B (zh) | Ct图像处理方法、装置、存储介质和电子设备 | |
CN112330787B (zh) | 图像标注方法、装置、存储介质和电子设备 | |
Javed et al. | Multi-denoising based impulse noise removal from images using robust statistical features and genetic programming | |
CN112365433B (zh) | Ct图像处理方法、装置、存储介质及电子设备 | |
CN112330671A (zh) | 细胞分布状态的分析方法、装置、计算机设备和存储介质 | |
CN112365507B (zh) | Ct图像处理方法、装置、存储介质及电子设备 | |
CN114881892B (zh) | 基于ii型模糊粗糙模型的遥感影像特征离散化方法及装置 | |
CN112734697B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN115223018A (zh) | 伪装对象协同检测方法及装置、电子设备和存储介质 | |
CN117994611B (zh) | 一种图像分类模型的训练方法、装置及电子设备 | |
CN113674383A (zh) | 生成文本图像的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |