CN113888548A - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113888548A CN113888548A CN202111145348.6A CN202111145348A CN113888548A CN 113888548 A CN113888548 A CN 113888548A CN 202111145348 A CN202111145348 A CN 202111145348A CN 113888548 A CN113888548 A CN 113888548A
- Authority
- CN
- China
- Prior art keywords
- vertebra
- image
- rib
- segmented
- matching
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims abstract description 137
- 239000013598 vector Substances 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000003709 image segmentation Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 14
- 238000005520 cutting process Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 210000000614 rib Anatomy 0.000 description 103
- 238000010586 diagram Methods 0.000 description 27
- 210000000038 chest Anatomy 0.000 description 26
- 238000012549 training Methods 0.000 description 20
- 238000002591 computed tomography Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000010606 normalization Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 206010041569 spinal fracture Diseases 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 208000010392 Bone Fractures Diseases 0.000 description 2
- 206010017076 Fracture Diseases 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013185 thoracic computed tomography Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000001981 hip bone Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述方法包括：对待分割椎骨图像进行图像分割，得到所述待分割椎骨图像对应的二值分割结果；对所述待分割椎骨图像进行特征编码，得到所述待分割椎骨图像中各像素点对应的像素点嵌入向量；根据所述二值分割结果和所述各像素点对应的像素点嵌入向量，确定所述待分割椎骨图像中椎骨区域对应的像素点嵌入向量；对所述椎骨区域对应的像素点嵌入向量进行聚类，得到所述待分割椎骨图像对应的椎骨分割结果。本公开实施例可以降低相邻椎骨被误分的概率，提高椎骨分割精度。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
椎骨是人体骨骼系统的重要组成部分，在维持和支撑身体结构及器官的同时，还保护着中枢神经免受机械冲击造成伤害。然而由于骨质疏松、外力等因素，很容易造成椎骨骨折。在椎骨骨折诊断中，医生需要根据胸部的医疗影像(例如，胸部CT图像)，给出骨折所在椎骨的具体位置。相关技术中，使用神经网络直接进行椎骨分割。但是，由于相邻椎骨之间在外形上具有高度相似性，使得相邻椎骨之间容易造成误分割，导致椎骨分割的精度较低。
发明内容
本公开提出了一种图像处理方法及装置、电子设备和存储介质的技术方案。
根据本公开的一方面，提供了一种图像处理方法，包括：对待分割椎骨图像进行图像分割，得到所述待分割椎骨图像对应的二值分割结果；对所述待分割椎骨图像进行特征编码，得到所述待分割椎骨图像中各像素点对应的像素点嵌入向量；根据所述二值分割结果和所述各像素点对应的像素点嵌入向量，确定所述待分割椎骨图像中椎骨区域对应的像素点嵌入向量；对所述椎骨区域对应的像素点嵌入向量进行聚类，得到所述待分割椎骨图像对应的椎骨分割结果。
在一种可能的实现方式中，所述方法还包括：获取原始胸部扫描图像；对所述原始胸部扫描图像进行图像预处理，得到初始椎骨图像；对所述初始椎骨图像进行凸包分割，得到所述初始椎骨图像中的椎骨凸包区域；根据所述椎骨凸包区域，对所述初始椎骨图像进行裁剪，得到所述待分割椎骨图像。
在一种可能的实现方式中，所述方法还包括：对所述待分割椎骨图像中的像素点进行位置编码，得到位置编码图像。
在一种可能的实现方式中，所述对待分割椎骨图像进行图像分割，得到所述待分割椎骨图像对应的二值分割结果，包括：基于所述位置编码图像，对所述待分割椎骨图像进行图像分割，得到所述二值分割结果。
在一种可能的实现方式中，所述对所述待分割椎骨图像进行特征编码，得到所述待分割椎骨图像中各像素点对应的像素点嵌入向量，包括：基于所述位置编码图像，对所述待分割椎骨图像进行特征编码，得到所述各像素点对应的像素点嵌入向量。
在一种可能的实现方式中，所述方法还包括：根据所述椎骨凸包区域，对所述二值分割结果中的非椎骨区域进行过滤。
在一种可能的实现方式中，所述椎骨分割结果中包括待分割椎骨图像中的多根椎骨；所述方法还包括：获取所述待分割椎骨图像中的椎骨区域对应的肋骨标记结果，其中，所述肋骨标记结果中包括多根肋骨以及每根肋骨对应的肋骨标识；根据所述多根椎骨和所述多根肋骨，确定目标肋骨-椎骨匹配结果，其中，所述目标肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对；根据所述每根肋骨对应的肋骨标识，以及所述目标肋骨-椎骨匹配结果，确定每根椎骨对应的椎骨标识。
在一种可能的实现方式中，所述根据所述多根椎骨和所述多根肋骨，确定目标肋骨-椎骨匹配结果，包括：针对任意一根椎骨，确定所述椎骨对应的候选肋骨-椎骨匹配结果，其中，所述候选肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对；根据每个所述候选肋骨-椎骨匹配结果中包括的至少一个肋骨-椎骨匹配对的空间几何关系，确定每个所述候选肋骨-椎骨匹配结果对应的匹配度；将所述匹配度符合预设匹配条件的所述候选肋骨-椎骨匹配结果，确定为所述目标肋骨-椎骨匹配结果。
在一种可能的实现方式中，所述根据每个所述候选肋骨-椎骨匹配结果中包括的至少一个肋骨-椎骨匹配对的空间几何关系，确定每个所述候选肋骨-椎骨匹配结果对应的匹配度，包括：根据所述肋骨标记结果，确定每根肋骨中与椎骨距离最近的肋骨端点；根据所述椎骨分割结果，确定每根椎骨对应的椎骨质心，以及每个椎骨质心对应的切向量；根据每根肋骨对应的肋骨端点、每根椎骨对应的椎骨质心，以及每个椎骨质心对应的切向量，确定每个所述候选肋骨-椎骨匹配结果对应的余弦距离均值；将每个所述候选肋骨-椎骨匹配结果对应的余弦距离均值，确定为每个所述候选肋骨-椎骨匹配结果对应的匹配度。
在一种可能的实现方式中，所述将所述匹配度符合预设匹配条件的所述候选肋骨-椎骨匹配结果，确定为所述目标肋骨-椎骨匹配结果，包括：根据每个所述候选肋骨-椎骨匹配结果对应的余弦距离均值，确定是否存在目标肋骨-椎骨匹配结果集合，其中，所述目标肋骨-椎骨匹配结果集合中的每个所述候选肋骨-椎骨匹配结果对应的余弦距离均值均大于0；在存在所述目标肋骨-椎骨匹配结果集合的情况下，将所述目标肋骨-椎骨匹配结果集合中取值最小的所述余弦距离均值对应的所述候选肋骨-椎骨匹配结果，确定为所述目标肋骨-椎骨匹配结果。
在一种可能的实现方式中，所述方法还包括：在不存在所述目标肋骨-椎骨匹配结果集合的情况下，将取值最大的所述余弦距离均值对应的所述候选肋骨-椎骨匹配结果，确定为所述目标肋骨-椎骨匹配结果。
根据本公开的一方面，提供了一种图像处理装置，包括：
图像分割模块，用于对待分割椎骨图像进行图像分割，得到所述待分割椎骨图像对应的二值分割结果；特征编码模块，用于对所述待分割椎骨图像进行特征编码，得到所述待分割椎骨图像中各像素点对应的像素点嵌入向量；第一确定模块，用于根据所述二值分割结果和所述各像素点对应的像素点嵌入向量，确定所述待分割椎骨图像中椎骨区域对应的像素点嵌入向量；聚类模块，用于对所述椎骨区域对应的像素点嵌入向量进行聚类，得到所述待分割椎骨图像对应的椎骨分割结果。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，对待分割椎骨图像进行图像分割，得到待分割椎骨图像对应的二值分割结果；对待分割椎骨图像进行特征编码，得到待分割椎骨图像中各像素点对应的像素点嵌入向量；根据二值分割结果和各像素点对应的像素点嵌入向量，确定待分割椎骨图像中椎骨区域对应的像素点嵌入向量；由于像素点嵌入向量具有更高的语义表达能力，因此，对椎骨区域对应的像素点嵌入向量进行聚类，可以降低相邻椎骨被误分的概率，得到待分割椎骨图像对应的准确率较高的椎骨分割结果，有效提高了椎骨分割精度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种图像处理方法的流程图；
图2示出根据本公开实施例的一种椎骨凸包区域的示意图；
图3示出根据本公开实施例的预设椎骨凸包分割网络的示意图
图4示出根据本公开实施例的椎骨分割结果的示意图；
图5示出根据本公开实施例的预设椎骨实例分割网络的示意图；
图6示出根据本公开实施例的肋骨端点和椎骨质心的示意图；
图7示出根据本公开实施例的目标肋骨-椎骨匹配结果的示意图；
图8示出根据本公开实施例的椎骨标记结果的示意图；
图9示出根据本公开实施例的一种图像处理装置的框图；
图10示出根据本公开实施例的一种电子设备的框图；
图11示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的一种图像处理方法的流程图。该图像处理方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行该图像处理方法。如图1所示，该图像处理方法可以包括：
在步骤S11中，对待分割椎骨图像进行图像分割，得到待分割椎骨图像对应的二值分割结果。
在步骤S12中，对待分割椎骨图像进行特征编码，得到待分割椎骨图像中各像素点对应的像素点嵌入向量。
在步骤S13中，根据二值分割结果和各像素点对应的像素点嵌入向量，确定待分割椎骨图像中椎骨区域对应的像素点嵌入向量。
在步骤S14中，对椎骨区域对应的像素点嵌入向量进行聚类，得到待分割椎骨图像对应的椎骨分割结果。
在本公开实施例中，对待分割椎骨图像进行图像分割，得到待分割椎骨图像对应的二值分割结果；对待分割椎骨图像进行特征编码，得到待分割椎骨图像中各像素点对应的像素点嵌入向量；根据二值分割结果和各像素点对应的像素点嵌入向量，确定待分割椎骨图像中椎骨区域对应的像素点嵌入向量；由于像素点嵌入向量具有更高的语义表达能力，因此，对椎骨区域对应的像素点嵌入向量进行聚类，可以降低相邻椎骨被误分的概率，得到待分割椎骨图像对应的准确率较高的椎骨分割结果，有效提高了椎骨分割精度。
在一种可能的实现方式中，该图像处理方法还包括：获取原始胸部扫描图像；对原始胸部扫描图像进行图像预处理，得到初始椎骨图像；对初始椎骨图像进行凸包分割，得到初始椎骨图像中的椎骨凸包区域；根据椎骨凸包区域，对初始椎骨图像进行裁剪，得到待分割椎骨图像。
在对原始胸部扫描图像进行图像预处理得到初始椎骨图像后，可以对初始椎骨图像进行凸包分割，确定初始椎骨图像中的椎骨凸包区域，从而可以根据椎骨凸包区域，从初始椎骨图像中裁剪得到待分割椎骨图像，以使得后续基于裁剪后的待分割椎骨图像进行椎骨分割，可以有效降低对计算资源的消耗，提高椎骨分割效率。
在一种可能的实现方式中，原始胸部扫描图像可以是胸部计算机X线断层扫描(CT)图像I。由于CT图像具有良好的骨-软组织对比度，因此，胸部CT图像I通常用于作为进行椎骨骨折诊断的医疗影像。
对胸部CT图像I进行图像预处理，得到初始椎骨图像In。图像预处理可以包括：重定向、裁剪、归一化等中的一种或多种，本公开对图像预处理的具体方式不做限定。
由于拍摄角度不同，不同胸部CT图像中的椎骨方向可能不同，根据预设单位矩阵对胸部CT图像I进行重定向的预处理，得到初始椎骨图像In，以使得初始椎骨图像In中的椎骨方向与预设的坐标轴(x/y/z轴)一致，以提高后续处理效率。预设单位矩阵可以根据实际情况进行设置，本公开对预设单位矩阵的具体形式不做限定。
胸部CT图像I中除了包括骨区域以外，还包括大面积的其它背景部分，为了降低后续的计算资源消耗，提高处理效率，利用预设灰度阈值对胸部CT图像I进行裁剪处理。具体可以包括：基于预设灰度阈值对胸部CT图像I进行二值化处理，得到二值图像。其中，胸部CT图像I中灰度值大于或等于预设灰度阈值的像素点，在二值图像中对应的像素值为1；胸部CT图像I中灰度值小于预设灰度阈值的像素点，在二值图像中对应的像素值为0。根据二值图像中像素值为1的像素点构成的包围框，对胸部CT图像I进行裁剪，得到初始椎骨图像In，以减小图像尺寸，从而有效降低后续的计算资源消耗，提高处理效率。预设灰度阈值的具体取值可以根据实际情况进行设置，本公开对此不做具体限定。
实际应用中，若拍摄胸部CT图像I的患者佩带金属等物品时，会使得拍摄得到的胸部CT图像I中存在灰度值过高的像素点，影响后续处理精度。因此，针对上述胸部CT图像I裁剪后得到的初始椎骨图像In，利用预设灰度值归一化窗口进行归一化处理，以使得初始椎骨图像In的灰度值在合理灰度值范围内，提高椎骨分割精度。预设灰度值归一化窗口可以根据实际情况进行设置，例如，预设灰度值归一化窗口是[-1000，2000]，本公开对预设灰度值归一化窗口的实际取值范围不作具体限定。
由于胸部CT图像I的扫描区域很大，初始椎骨图像In中除了包括椎骨以外，还包括肋骨、髋骨、股骨等其它骨头，椎骨区域只占其中很小一部分，因此，可以基于凸包算法，对初始椎骨图像In进行分割，以得到初始椎骨图像In中的椎骨凸包区域，进而基于椎骨凸包区域对初始椎骨图像In进行裁剪，得到包括椎骨区域的待分割椎骨图像Iv。后续基于待分割椎骨图像Iv进行椎骨分割，可以降低对计算资源的浪费，提高椎骨分割效率。
在一示例中，可以基于预设椎骨凸包分割网络，对初始椎骨图像In进行分割，得到初始椎骨图像In中的椎骨凸包区域。为了提高分割效率，可以对初始椎骨图像In进行重采样，得到第一椎骨图像Isp3，其中，第一椎骨图像Isp3的分辨率是第一分辨率。第一分辨率的具体取值可以根据实际情况确定，本公开对此不作具体限定。例如，第一分辨率是3mm×3mm×3mm，即，第一椎骨图像Isp3中的每个像素点对应的实际物理尺寸是3mm×3mm×3mm。
将第一椎骨图像Isp3输入预设椎骨凸包分割网络，预设椎骨凸包分割网络对第一椎骨图像Isp3进行分割后，得到椎骨凸包区域H。图2示出根据本公开实施例的椎骨凸包区域的示意图。
根据椎骨凸包区域H，可以确定包括椎骨整体区域的检测框。例如，该检测框可以是包括椎骨凸包区域H的最小三维矩形框。根据该检测框，对初始椎骨图像In进行裁剪，得到包括椎骨整体区域的待分割椎骨图像Iv。基于待分割椎骨图像Iv，执行后续的椎骨分割。
在一种可能的实现方式中，预设椎骨凸包分割网络可以是3D-U型网络，包括由若干个卷积层和下采样层构成的编码器，以及由若干个卷积层和上采样层构成的解码器，编码器和解码器之间嵌入non-local模块，编码器和解码器对应阶段引入跳跃连接。图3示出根据本公开实施例的预设椎骨凸包分割网络的示意图。
对预设椎骨凸包分割网络进行训练时，可以采用warmup和cosine annealing的学习率设置策略，以及采用cross entropy(交叉熵损失)和dice loss作为损失函数，对预设椎骨凸包分割网络进行若干训练回合的训练。
例如，可以通过最小化下述公式(1)所示的损失函数L1，实现对预设椎骨凸包分割网络的训练。
其中，公式(1)中的yi是训练样本图像i对应的分割标签，
是根据预设椎骨凸包分割网络确定的训练样本图像i对应的分割预测概率，Y是训练样本图像i对应的真实分割结果，
是根据预设椎骨凸包分割网络确定的训练样本图像i对应的预测分割结果。
本领域技术人员应该了解，预设椎骨凸包分割网络的具体网络结构和训练过程可以采用相关技术中的其它网络结构和训练方式，本公开对此不作具体限定。
在一种可能的实现方式中，预设椎骨凸包分割网络的训练样本包括椎骨样本图像，以及椎骨样本图像对应的椎骨凸包区域标签。其中，椎骨凸包区域标签可以是通过对椎骨样本图像进行二值分割得到的椎骨二值分割标签，经过若干次高斯平滑阈值膨胀得到的。椎骨凸包区域标签还可以采用相关技术中的其它方式确定得到，本公开对此不作具体限定。
在一示例中，可以利用凸包算法，对初始椎骨图像In进行凸包分割，得到初始椎骨图像In中的椎骨凸包区域。其中，凸包算法的具体算法形式，可以根据实际情况灵活设置，本公开对此不作具体限定。
在一种可能的实现方式中，该图像处理方法还包括：对待分割椎骨图像中的像素点进行位置编码，得到位置编码图像。
在一示例中，可以利用下述公式(2)对待分割椎骨图像Iv进行位置编码，得到位置编码图像Ic。
其中，(i,j,k)是待分割椎骨图像Iv和位置编码图像Ic中的对应像素点，(μx,μy,μz)是待分割椎骨图像Iv的图像中心像素点，Wx、Wy和Wz为预设超参数。预设超参数Wx、Wy和Wz的具体取值可以根据实际情况确定，本公开对此不作具体限定。
在一示例中，为了提高分割效率，还可以对待分割椎骨图像Iv进行重采样，得到第二椎骨图像Isp1.5，其中，第二椎骨图像Isp1.5的分辨率是第二分辨率。第二分辨率的具体取值可以根据实际情况确定，本公开对此不作具体限定。例如，第二分辨率是1.5mm×1.5mm×1.5mm，即，第二椎骨图像Isp1.5中的每个像素点对应的实际物理尺寸是1.5mm×1.5mm×1.5mm。利用上述公式(1)对第二椎骨图像Isp1.5进行位置编码，得到位置编码图像Ic。进而利用第二椎骨图像Isp1.5和位置编码图像Ic，实现对待分割椎骨图像Iv的椎骨分割。
在一种可能的实现方式中，对待分割椎骨图像进行图像分割，得到待分割椎骨图像对应的二值分割结果，包括：基于位置编码图像，对待分割椎骨图像进行图像分割，得到二值分割结果。
在一种可能的实现方式中，对待分割椎骨图像进行特征编码，得到待分割椎骨图像中各像素点对应的像素点嵌入向量，包括：基于位置编码图像，对待分割椎骨图像进行特征编码，得到待分割椎骨图像中各像素点对应的像素点嵌入向量。
在一种可能的实现方式中，该图像处理方法还包括：根据椎骨凸包区域，对二值分割结果中的非椎骨区域进行过滤。
在一示例中，可以基于预设椎骨实例分割网络，对待分割椎骨图像Iv进行实例分割。将待分割椎骨图像Iv(或第二椎骨图像Isp1.5)和位置编码图像Ic同时输入预设椎骨实例分割网络。
预设椎骨实例分割网络包括两个分支，一个分支用于对待分割椎骨图像Iv(或第二椎骨图像Isp1.5)进行二值分割，得到待分割椎骨图像Iv(或第二椎骨图像Isp1.5)对应的二值分割结果Ab。利用椎骨凸包区域H，对二值分割结果Ab进行过滤，消除二值分割结果Ab中被误分割为椎骨区域的假阳部分(非椎骨区域)，提高二值分割结果Ab的精度。例如，二值分割结果Ab＝Ab∩H。
预设椎骨实例分割网络的另一个分支用于基于位置编码图像Ic，确定待分割椎骨图像Iv(或第二椎骨图像Isp1.5)中各像素点对应的像素点嵌入向量Ae。嵌入向量的维度可以是8维，也可以根据实际情况设置为其它维度，本公开对此不作具体限定。
利用二值分割结果Ab和像素点嵌入向量Ae，可以得到待分割椎骨图像Iv(或第二椎骨图像Isp1.5)中的椎骨区域对应的像素点嵌入向量Are＝Ab∩Ae。然后，利用mean-shift聚类算法对椎骨区域对应的像素点嵌入向量Are进行聚类，得到待分割椎骨图像Iv对应的椎骨分割结果Ains。本领域技术人员应该了解，聚类算法除了可以采用mean-shift聚类算法，还可以采用相关技术中的其它聚类算法，本公开对此不作具体限定。
图4示出根据本公开实施例的椎骨分割结果的示意图。如图4所示，椎骨分割结果中Ains中包括待分割椎骨图像Iv中的多根椎骨。但是，椎骨分割结果Ains无法确定每根椎骨的椎骨标识。
在一种可能的实现方式中，预设椎骨实例分割网络可以是3D-U型网络，两个编码器分支共享一个解码器，编码器和解码器之间嵌入non-local模块。其中，一个编码器分支用于对待分割椎骨图像Iv(或第二椎骨图像Isp1.5)进行二值分割，得到二值分割结果Ab，另一个编码器分支用于确定待分割椎骨图像Iv(或第二椎骨图像Isp1.5)中各像素点对应的像素点嵌入向量Ae。图5示出根据本公开实施例的预设椎骨实例分割网络的示意图。
对预设椎骨实例分割网络进行训练时，用于进行二值分割的编码器分支可以采用cross entropy和dice loss作为损失函数进行若干训练回合的训练。具体训练公式可以参考上述公式(1)，此处不作赘述。
用于嵌入向量预测的编码器分支可以采用discriminative loss作为损失函数进行若干训练回合的训练。
例如，可以通过最小化下述公式(3)所示的损失函数Ld，实现对用于嵌入向量预测的编码器分支的训练。
其中，公式(3)中的C是训练样本图像中的类别总数，Nc是训练样本图像中属于同一类别的像素点数量，μc是类别的均值向量，μc是训练样本图像中像素点i的嵌入向量。
本领域技术人员应该了解，预设椎骨实例分割网络的具体网络结构和训练过程可以采用相关技术中的其它网络结构和训练方式，本公开对此不作具体限定。
在椎骨骨折诊断中，医生需要根据胸部的医疗影像(例如，胸部CT图像)，给出骨折所在椎骨的准确椎骨标识(椎骨的解剖学标签，例如，3号椎骨)。相关技术中，医生通常需要一块块椎骨的从上往下数(或从下往上数)，以此确定椎骨标识，导致椎骨标识过程复杂且准确率较低。因此，在基于上述实施例方法得到椎骨分割结果之后，还需要提供一种能够自动标记椎骨标识的方法，提高椎骨标记效率以及准确率。
在一种可能的实现方式中，椎骨分割结果中包括待分割椎骨图像中的多根椎骨；该图像处理方法还包括：获取待分割椎骨图像中的椎骨区域对应的肋骨标记结果，其中，肋骨标记结果中包括多根肋骨以及每根肋骨对应的肋骨标识；根据多根椎骨和多根肋骨，确定目标肋骨-椎骨匹配结果，其中，目标肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对；根据每根肋骨对应的肋骨标识，以及目标肋骨-椎骨匹配结果，确定每根椎骨对应的椎骨标识。
基于椎骨和肋骨的空间几何关系，将椎骨分割结果中的多根椎骨，与肋骨标记结果中的多根肋骨进行匹配，得到目标肋骨-椎骨匹配结果，进而利用肋骨标记结果中每根肋骨对应的肋骨标识，确定每根椎骨对应的椎骨标识，从而有效得到准确率较高的椎骨标记结果。
其中，肋骨标记结果是对于对待分割肋骨图像进行分割标记后得到的，待分割肋骨图像和待分割椎骨图像对应相同的目标对象，例如，待分割肋骨图像和待分割椎骨图像均是来源于对同一目标对象进行胸部计算机X线断层扫描后得到的胸部CT图像。
在一示例中，对待分割肋骨图像进行分割标记，确定待分割肋骨图像对应的肋骨标记结果，包括：对待分割肋骨图像进行语义类别分割，得到待分割肋骨图像对应的语义类别分割结果；对待分割肋骨图像进行实例分割，得到待分割肋骨图像对应的实例分割结果；根据语义类别分割结果和实例分割结果，确定待分割肋骨图像对应的肋骨标记结果，其中，肋骨标记结果中包括待分割肋骨图像中的多根肋骨以及每根肋骨对应的肋骨标识。
基于图像全局语义信息，对待分割肋骨图像进行语义类别分割，得到待分割肋骨图像对应的语义类别分割结果；基于图像局部几何信息，对待分割肋骨图像进行实例分割，得到待分割肋骨图像对应的实例分割结果；由于综合考虑了图像全局语义信息和图像局部几何信息，因此，基于语义类别分割结果和实例分割结果，确定的包括待分割肋骨图像中的多根肋骨以及每根肋骨对应的肋骨标识的目标标记结果具有较高的准确率，从而有效提高了肋骨的分割和标记精度。
在一示例中，对待分割肋骨图像进行分割标记，确定待分割肋骨图像对应的肋骨标记结果，还包括：在语义类别分割和实例分割是在第一分辨率下进行的情况下，在第二分辨率下对待分割肋骨图像进行二值分割，得到待分割肋骨图像对应的细二值分割结果，其中，第二分辨率大于第一分辨率；根据细二值分割结果，更新肋骨标记结果。
对待分割肋骨图像分别进行语义类别分割和实例分割是在第一分辨率下进行的情况下，肋骨标记结果中每根肋骨的分割结果比较粗糙，因此，基于分辨率更高的细二值分割结果，更新肋骨标记结果，得到分辨率更高以及分割精度更高的肋骨标记结果。
本领域技术人员应该了解，对待分割肋骨图像进行分割标记的方式，除了可以采用上述方式之外，还可以采用相关技术中任意的肋骨分割标记方式，本公开对此不作具体限定。
在一种可能的实现方式中，根据多根椎骨和多根肋骨，确定目标肋骨-椎骨匹配结果，包括：针对任意一根椎骨，确定椎骨对应的候选肋骨-椎骨匹配结果，其中，候选肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对；根据每个候选肋骨-椎骨匹配结果中包括的至少一个肋骨-椎骨匹配对的空间几何关系，确定每个候选肋骨-椎骨匹配结果对应的匹配度；将匹配度符合预设匹配条件的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果。
在一种可能的实现方式中，根据每个候选肋骨-椎骨匹配结果中包括的至少一个肋骨-椎骨匹配对的空间几何关系，确定每个候选肋骨-椎骨匹配结果对应的匹配度，包括：根据肋骨标记结果，确定每根肋骨中与椎骨距离最近的肋骨端点；根据椎骨分割结果，确定每根椎骨对应的椎骨质心，以及每个椎骨质心对应的切向量；根据每根肋骨对应的肋骨端点、每根椎骨对应的椎骨质心，以及每个椎骨质心对应的切向量，确定每个候选肋骨-椎骨匹配结果对应的余弦距离均值；将每个候选肋骨-椎骨匹配结果对应的余弦距离均值，确定为每个候选肋骨-椎骨匹配结果对应的匹配度。
椎骨分割结果中包括多根椎骨构成的椎骨集合{Vi|Vi∈Ains}，确定每根椎骨对应的椎骨质心m。根据每根椎骨对应的质心的坐标，对椎骨集合中的多根椎骨进行排序，得到椎骨序列V＝(V1,V2,...,VK)，以及椎骨质心序列M＝(m1,m2,...,mN)。将N个椎骨质心进行曲线拟合，得到脊柱中心线。确定每个椎骨质心在脊柱中心线上的切向量τ，得到切向量集合T＝(τ1,τ2,...,τN)。肋骨标记结果中包括多根肋骨构成的肋骨序列R＝(R1,R2,...,RK)，确定每根肋骨中与椎骨距离最近的肋骨端点，即每根肋骨中距离脊柱中心线距离最近的肋骨端点，得到肋骨端点集合E＝(e1,e2,...,eK)。图6示出根据本公开实施例的肋骨端点和椎骨质心的示意图。
枚举所有可能的肋骨-椎骨匹配方式，得到每根椎骨对应的候选肋骨-椎骨匹配结果
例如，针对椎骨Vsv，假设椎骨Vsv与肋骨Rsr是一个肋骨-椎骨匹配对，则按照肋骨序列R和椎骨序列V中的排序，可以得到椎骨Vsv+1与肋骨Rsr+1是一个肋骨-椎骨匹配对，以此类推，得到椎骨Vsv对应的候选肋骨-椎骨匹配结果
遍历椎骨集合中的每根椎骨，得到候选肋骨-椎骨匹配结果集合
针对任意一个候选肋骨-椎骨匹配结果
利用下述公式(4)，确定候选肋骨-椎骨匹配结果
对应的余弦距离均值
其中，p是候选肋骨-椎骨匹配结果
中包括的肋骨-椎骨匹配对的个数，(Ri,Vj)是候选肋骨-椎骨匹配结果
中的一个肋骨-椎骨匹配对，ei是肋骨Ri对应的肋骨端点，mj是椎骨Vj对应的椎骨质心，τj是椎骨质心mj对应的切向量。
将每个候选肋骨-椎骨匹配结果对应的余弦距离均值，确定为其对应的匹配度，进而，将匹配度符合预设匹配条件的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果，也即，将余弦距离均值符合预设匹配条件的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果。
在一种可能的实现方式中，将匹配度符合预设匹配条件的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果，包括：根据每个候选肋骨-椎骨匹配结果对应的余弦距离均值，确定是否存在目标肋骨-椎骨匹配结果集合，其中，目标肋骨-椎骨匹配结果集合中的每个候选肋骨-椎骨匹配结果对应的余弦距离均值均大于0；在存在目标肋骨-椎骨匹配结果集合的情况下，将目标肋骨-椎骨匹配结果集合中取值最小的余弦距离均值对应的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果。
在一种可能的实现方式中，该图像处理方法还包括：在不存在目标肋骨-椎骨匹配结果集合的情况下，将取值最大的余弦距离均值对应的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果。
在一示例中，根据每个候选肋骨-椎骨匹配结果对应的余弦距离均值，将候选肋骨-椎骨匹配结果集合Φ分成正余弦匹配集合Φ+，以及负余弦匹配集合Φ-。其中，正余弦匹配集合Φ+中包括的候选肋骨-椎骨匹配结果对应的余弦距离均值均大于0，负余弦匹配集合Φ-中包括的候选肋骨-椎骨匹配结果对应的余弦距离均值均小于或等于0。
在正余弦匹配集合Φ+为非空集合的情况下，即存在目标肋骨-椎骨匹配结果集合Φ+，此时，由于目标肋骨-椎骨匹配结果集合Φ+中包括的候选肋骨-椎骨匹配结果对应的余弦距离均值均大于0，候选肋骨-椎骨匹配结果的余弦距离均值的取值越小，可以表示该候选肋骨-椎骨匹配结果中包括的肋骨-椎骨匹配对中肋骨-椎骨的距离越近，匹配度越高，因此，可以将目标肋骨-椎骨匹配结果集合Φ+中取值最小的余弦距离均值对应的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果
在正余弦匹配集合Φ+为空集的情况下，即不存在目标肋骨-椎骨匹配结果集合Φ+，仅存在负余弦匹配集合Φ-，由于负余弦匹配集合Φ-中包括的候选肋骨-椎骨匹配结果对应的余弦距离均值均小于或等于0，候选肋骨-椎骨匹配结果的余弦距离均值的取值越大，可以表示该候选肋骨-椎骨匹配结果中包括的肋骨-椎骨匹配对中肋骨-椎骨的距离越近，匹配度越高，因此，可以将负余弦匹配集合Φ-中取值最大的余弦距离均值对应的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果
在一示例中，可以根据下述公式(5)，确定目标肋骨-椎骨匹配结果
图7示出根据本公开实施例的目标肋骨-椎骨匹配结果的示意图。如图7所示，目标肋骨-椎骨匹配结果中的每个肋骨-椎骨匹配对中的肋骨端点和椎骨质心距离最近。
在确定目标肋骨-椎骨匹配结果之后，目标肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对，根据每个肋骨-椎骨匹配对中肋骨的肋骨标识，以及肋骨-椎骨在解剖学上的对应关系，确定每个肋骨-椎骨匹配对中椎骨的椎骨标识，得到至少一根椎骨的椎骨标识，进而根据椎骨集合中多根椎骨的排序，可以得到每根椎骨的椎骨标识，得到准确率较高的椎骨标记结果，有效实现对待分割椎骨图像的椎骨标记，提高椎骨标记精度。
图8示出根据本公开实施例的椎骨标记结果的示意图。如图8所示，椎骨标记结果中包括待分割椎骨图像Iv中的多根椎骨以及每根椎骨对应的椎骨标识。在图8中，可以通过不同的颜色来指示每根椎骨以及每根椎骨对应的椎骨标识。例如，灰色用于指示1号椎骨，绿色用于指示2号椎骨，以此类推。本领域技术人员应该了解，椎骨标记结果中可以采用相关技术中的其它形式来指示每根椎骨以及每根椎骨对应的椎骨标识，本公开对此不作具体限定。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图9示出根据本公开实施例的一种图像处理装置的框图。如图9所示，装置90包括：
图像分割模块91，用于对待分割椎骨图像进行图像分割，得到待分割椎骨图像对应的二值分割结果；
特征编码模块92，用于对待分割椎骨图像进行特征编码，得到待分割椎骨图像中各像素点对应的像素点嵌入向量；
第一确定模块93，用于根据二值分割结果和各像素点对应的像素点嵌入向量，确定待分割椎骨图像中椎骨区域对应的像素点嵌入向量；
聚类模块94，用于对椎骨区域对应的像素点嵌入向量进行聚类，得到待分割椎骨图像对应的椎骨分割结果。
在一种可能的实现方式中，装置90还包括：
第一获取模块，用于获取原始胸部扫描图像；
图像预处理模块，用于对原始胸部扫描图像进行图像预处理，得到初始椎骨图像；
凸包分割模块，用于对初始椎骨图像进行凸包分割，得到初始椎骨图像中的椎骨凸包区域；
裁剪模块，用于根据椎骨凸包区域，对初始椎骨图像进行裁剪，得到待分割椎骨图像。
在一种可能的实现方式中，装置90还包括：
位置编码模块，用于对待分割椎骨图像中的像素点进行位置编码，得到位置编码图像。
在一种可能的实现方式中，图像分割模块91，具体用于：
基于位置编码图像，对待分割椎骨图像进行图像分割，得到二值分割结果。
在一种可能的实现方式中，特征编码模块92，具体用于：
基于位置编码图像，对待分割椎骨图像进行特征编码，得到各像素点对应的像素点嵌入向量。
在一种可能的实现方式中，装置90还包括：
过滤模块，用于根据椎骨凸包区域，对二值分割结果中的非椎骨区域进行过滤。
在一种可能的实现方式中，椎骨分割结果中包括待分割椎骨图像中的多根椎骨；
装置70还包括：
第二获取模块，用于获取待分割椎骨图像中的椎骨区域对应的肋骨标记结果，其中，肋骨标记结果中包括多根肋骨以及每根肋骨对应的肋骨标识；
第二确定模块，用于根据多根椎骨和多根肋骨，确定目标肋骨-椎骨匹配结果，其中，目标肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对；
第三确定模块，用于根据每根肋骨对应的肋骨标识，以及目标肋骨-椎骨匹配结果，确定每根椎骨对应的椎骨标识。
在一种可能的实现方式中，第二确定模块，包括：
第一确定子模块，用于针对任意一根椎骨，确定该椎骨对应的候选肋骨-椎骨匹配结果，其中，候选肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对；
第二确定子模块，用于根据每个候选肋骨-椎骨匹配结果中包括的至少一个肋骨-椎骨匹配对的空间几何关系，确定每个候选肋骨-椎骨匹配结果对应的匹配度；
第三确定子模块，用于将匹配度符合预设匹配条件的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果。
在一种可能的实现方式中，第二确定子模块，包括：
第一确定单元，用于根据肋骨标记结果，确定每根肋骨中与椎骨距离最近的肋骨端点；
第二确定单元，用于根据椎骨分割结果，确定每根椎骨对应的椎骨质心，以及每个椎骨质心对应的切向量；
第三确定单元，用于根据每根肋骨对应的肋骨端点、每根椎骨对应的椎骨质心，以及每个椎骨质心对应的切向量，确定每个候选肋骨-椎骨匹配结果对应的余弦距离均值；
第四确定单元，用于将每个候选肋骨-椎骨匹配结果对应的余弦距离均值，确定为每个候选肋骨-椎骨匹配结果对应的匹配度。
在一种可能的实现方式中，第三确定子模块，包括：
第五确定单元，用于根据每个候选肋骨-椎骨匹配结果对应的余弦距离均值，确定是否存在目标肋骨-椎骨匹配结果集合，其中，目标肋骨-椎骨匹配结果集合中的每个候选肋骨-椎骨匹配结果对应的余弦距离均值均大于0；
第六确定单元，用于在存在目标肋骨-椎骨匹配结果集合的情况下，将目标肋骨-椎骨匹配结果集合中取值最小的余弦距离均值对应的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果。
在一种可能的实现方式中，装置90还包括：
第四确定模块，用于在不存在目标肋骨-椎骨匹配结果集合的情况下，将取值最大的余弦距离均值对应的候选肋骨-椎骨匹配结果，确定为目标肋骨-椎骨匹配结果。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图10示出根据本公开实施例的一种电子设备的框图。如图10所示，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图10，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804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，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(WiFi)，第二代移动通信技术(2G)或第三代移动通信技术(3G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图11示出根据本公开实施例的一种电子设备的框图。如图11所示，电子设备1900可以被提供为一服务器。参照图11，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用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，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(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，例如微软服务器操作系统(Windows ServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种图像处理方法，其特征在于，包括：
对待分割椎骨图像进行图像分割，得到所述待分割椎骨图像对应的二值分割结果；
对所述待分割椎骨图像进行特征编码，得到所述待分割椎骨图像中各像素点对应的像素点嵌入向量；
根据所述二值分割结果和所述各像素点对应的像素点嵌入向量，确定所述待分割椎骨图像中椎骨区域对应的像素点嵌入向量；
对所述椎骨区域对应的像素点嵌入向量进行聚类，得到所述待分割椎骨图像对应的椎骨分割结果。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取原始胸部扫描图像；
对所述原始胸部扫描图像进行图像预处理，得到初始椎骨图像；
对所述初始椎骨图像进行凸包分割，得到所述初始椎骨图像中的椎骨凸包区域；
根据所述椎骨凸包区域，对所述初始椎骨图像进行裁剪，得到所述待分割椎骨图像。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述待分割椎骨图像中的像素点进行位置编码，得到位置编码图像。
4.根据权利要求3所述的方法，其特征在于，所述对待分割椎骨图像进行图像分割，得到所述待分割椎骨图像对应的二值分割结果，包括：
基于所述位置编码图像，对所述待分割椎骨图像进行图像分割，得到所述二值分割结果。
5.根据权利要求3或4所述的方法，其特征在于，所述对所述待分割椎骨图像进行特征编码，得到所述待分割椎骨图像中各像素点对应的像素点嵌入向量，包括：
基于所述位置编码图像，对所述待分割椎骨图像进行特征编码，得到所述各像素点对应的像素点嵌入向量。
6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：
根据所述椎骨凸包区域，对所述二值分割结果中的非椎骨区域进行过滤。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，所述椎骨分割结果中包括待分割椎骨图像中的多根椎骨；
所述方法还包括：
获取所述待分割椎骨图像中的椎骨区域对应的肋骨标记结果，其中，所述肋骨标记结果中包括多根肋骨以及每根肋骨对应的肋骨标识；
根据所述多根椎骨和所述多根肋骨，确定目标肋骨-椎骨匹配结果，其中，所述目标肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对；
根据所述每根肋骨对应的肋骨标识，以及所述目标肋骨-椎骨匹配结果，确定每根椎骨对应的椎骨标识。
8.根据权利要求7所述的方法，其特征在于，所述根据所述多根椎骨和所述多根肋骨，确定目标肋骨-椎骨匹配结果，包括：
针对任意一根椎骨，确定所述椎骨对应的候选肋骨-椎骨匹配结果，其中，所述候选肋骨-椎骨匹配结果中包括至少一个肋骨-椎骨匹配对；
根据每个所述候选肋骨-椎骨匹配结果中包括的至少一个肋骨-椎骨匹配对的空间几何关系，确定每个所述候选肋骨-椎骨匹配结果对应的匹配度；
将所述匹配度符合预设匹配条件的所述候选肋骨-椎骨匹配结果，确定为所述目标肋骨-椎骨匹配结果。
9.根据权利要求8所述的方法，其特征在于，所述根据每个所述候选肋骨-椎骨匹配结果中包括的至少一个肋骨-椎骨匹配对的空间几何关系，确定每个所述候选肋骨-椎骨匹配结果对应的匹配度，包括：
根据所述肋骨标记结果，确定每根肋骨中与椎骨距离最近的肋骨端点；
根据所述椎骨分割结果，确定每根椎骨对应的椎骨质心，以及每个椎骨质心对应的切向量；
根据每根肋骨对应的肋骨端点、每根椎骨对应的椎骨质心，以及每个椎骨质心对应的切向量，确定每个所述候选肋骨-椎骨匹配结果对应的余弦距离均值；
将每个所述候选肋骨-椎骨匹配结果对应的余弦距离均值，确定为每个所述候选肋骨-椎骨匹配结果对应的匹配度。
10.根据权利要求9所述的方法，其特征在于，所述将所述匹配度符合预设匹配条件的所述候选肋骨-椎骨匹配结果，确定为所述目标肋骨-椎骨匹配结果，包括：
根据每个所述候选肋骨-椎骨匹配结果对应的余弦距离均值，确定是否存在目标肋骨-椎骨匹配结果集合，其中，所述目标肋骨-椎骨匹配结果集合中的每个所述候选肋骨-椎骨匹配结果对应的余弦距离均值均大于0；
在存在所述目标肋骨-椎骨匹配结果集合的情况下，将所述目标肋骨-椎骨匹配结果集合中取值最小的所述余弦距离均值对应的所述候选肋骨-椎骨匹配结果，确定为所述目标肋骨-椎骨匹配结果。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
在不存在所述目标肋骨-椎骨匹配结果集合的情况下，将取值最大的所述余弦距离均值对应的所述候选肋骨-椎骨匹配结果，确定为所述目标肋骨-椎骨匹配结果。
12.一种图像处理装置，其特征在于，包括：
图像分割模块，用于对待分割椎骨图像进行图像分割，得到所述待分割椎骨图像对应的二值分割结果；
特征编码模块，用于对所述待分割椎骨图像进行特征编码，得到所述待分割椎骨图像中各像素点对应的像素点嵌入向量；
第一确定模块，用于根据所述二值分割结果和所述各像素点对应的像素点嵌入向量，确定所述待分割椎骨图像中椎骨区域对应的像素点嵌入向量；
聚类模块，用于对所述椎骨区域对应的像素点嵌入向量进行聚类，得到所述待分割椎骨图像对应的椎骨分割结果。
13.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至11中任意一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至11中任意一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111145348.6A CN113888548A (zh) | 2021-09-28 | 2021-09-28 | 图像处理方法及装置、电子设备和存储介质 |
| PCT/CN2022/077185 WO2023050691A1 (zh) | 2021-09-28 | 2022-02-22 | 图像处理方法及装置、电子设备、存储介质和程序 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111145348.6A CN113888548A (zh) | 2021-09-28 | 2021-09-28 | 图像处理方法及装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113888548A true CN113888548A (zh) | 2022-01-04 |
Family
ID=79007551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111145348.6A Pending CN113888548A (zh) | 2021-09-28 | 2021-09-28 | 图像处理方法及装置、电子设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113888548A (zh) |
| WO (1) | WO2023050691A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115456990A (zh) * | 2022-09-13 | 2022-12-09 | 北京医准智能科技有限公司 | 一种基于ct图像的肋骨计数方法、装置、设备及存储介质 |
| WO2023050691A1 (zh) * | 2021-09-28 | 2023-04-06 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备、存储介质和程序 |
| WO2023050690A1 (zh) * | 2021-09-28 | 2023-04-06 | 上海商汤智能科技有限公司 | 图像处理方法、装置、电子设备、存储介质和程序 |
| CN115984536A (zh) * | 2023-03-20 | 2023-04-18 | 慧影医疗科技(北京)股份有限公司 | 一种基于ct影像的图像处理方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015159945A (ja) * | 2014-02-27 | 2015-09-07 | 富士フイルム株式会社 | 画像表示装置、方法およびプログラム |
| CN108537779A (zh) * | 2018-03-27 | 2018-09-14 | 哈尔滨理工大学 | 基于聚类的椎骨分割与质心检测的方法 |
| CN109740609B (zh) * | 2019-01-09 | 2021-02-09 | 银河水滴科技（北京）有限公司 | 一种轨距检测方法及装置 |
| CN110765916B (zh) * | 2019-10-17 | 2022-08-30 | 北京中科原动力科技有限公司 | 一种基于语义和实例分割的农田苗垄识别方法及系统 |
| CN113888548A (zh) * | 2021-09-28 | 2022-01-04 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2021
- 2021-09-28 CN CN202111145348.6A patent/CN113888548A/zh active Pending
-
2022
- 2022-02-22 WO PCT/CN2022/077185 patent/WO2023050691A1/zh active Application Filing
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023050691A1 (zh) * | 2021-09-28 | 2023-04-06 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备、存储介质和程序 |
| WO2023050690A1 (zh) * | 2021-09-28 | 2023-04-06 | 上海商汤智能科技有限公司 | 图像处理方法、装置、电子设备、存储介质和程序 |
| CN115456990A (zh) * | 2022-09-13 | 2022-12-09 | 北京医准智能科技有限公司 | 一种基于ct图像的肋骨计数方法、装置、设备及存储介质 |
| CN115456990B (zh) * | 2022-09-13 | 2023-05-23 | 北京医准智能科技有限公司 | 一种基于ct图像的肋骨计数方法、装置、设备及存储介质 |
| CN115984536A (zh) * | 2023-03-20 | 2023-04-18 | 慧影医疗科技(北京)股份有限公司 | 一种基于ct影像的图像处理方法及装置 |
| CN115984536B (zh) * | 2023-03-20 | 2023-06-30 | 慧影医疗科技(北京)股份有限公司 | 一种基于ct影像的图像处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023050691A1 (zh) | 2023-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111899268B (zh) | 图像分割方法及装置、电子设备和存储介质 | |
| CN113888548A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN109829920B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| US20220198775A1 (en) | Image processing method and apparatus, electronic device, storage medium and computer program | |
| CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
| CN112785565B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
| CN111161301B (zh) | 图像分割方法及装置、电子设备和存储介质 | |
| CN112767329B (zh) | 图像处理方法及装置、电子设备 | |
| TWI754375B (zh) | 圖像處理方法、電子設備、電腦可讀儲存介質 | |
| CN113222038B (zh) | 基于核磁图像的乳腺病灶分类和定位方法及装置 | |
| CN112967291B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN113034491B (zh) | 一种冠脉钙化斑块检测方法及装置 | |
| CN110852325B (zh) | 图像的分割方法及装置、电子设备和存储介质 | |
| CN110211086B (zh) | 图像分割方法、装置及存储介质 | |
| JP2022548453A (ja) | 画像分割方法及び装置、電子デバイス並びに記憶媒体 | |
| CN111860388A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN113902730A (zh) | 图像处理和神经网络训练方法及装置 | |
| CN112597944B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
| CN113538310A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| WO2023050690A1 (zh) | 图像处理方法、装置、电子设备、存储介质和程序 | |
| CN109981989B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN113711123A (zh) | 一种对焦方法、装置及电子设备 | |
| CN112419285A (zh) | 目标检测方法及装置、电子设备和存储介质 | |
| CN112686867A (zh) | 医学图像的识别方法及装置、电子设备和存储介质 | |
| CN112767347A (zh) | 一种图像配准方法及装置、电子设备和存储介质 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40059204 Country of ref document: HK |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240604 Address after: Units 6-01, 6-49, 6-80, 6th Floor, No. 1900 Hongmei Road, Xuhui District, Shanghai, 200030 Applicant after: Shanghai Shangtang Shancui Medical Technology Co.,Ltd. Country or region after: China Address before: Room 1605a, building 3, 391 Guiping Road, Xuhui District, Shanghai Applicant before: SHANGHAI SENSETIME INTELLIGENT TECHNOLOGY Co.,Ltd. Country or region before: China |