CN114612461A - 图像处理方法、装置、存储介质及电子设备 - Google Patents
图像处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114612461A CN114612461A CN202210298162.2A CN202210298162A CN114612461A CN 114612461 A CN114612461 A CN 114612461A CN 202210298162 A CN202210298162 A CN 202210298162A CN 114612461 A CN114612461 A CN 114612461A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- rendering
- determining
- pixel
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 62
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000009877 rendering Methods 0.000 claims abstract description 243
- 230000011218 segmentation Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000004927 fusion Effects 0.000 claims abstract description 26
- 230000003902 lesion Effects 0.000 claims description 56
- 238000004422 calculation algorithm Methods 0.000 claims description 46
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000003709 image segmentation Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 4
- 210000001519 tissue Anatomy 0.000 description 83
- 210000004204 blood vessel Anatomy 0.000 description 24
- 210000005241 right ventricle Anatomy 0.000 description 18
- 208000010392 Bone Fractures Diseases 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000036285 pathological change Effects 0.000 description 5
- 231100000915 pathological change Toxicity 0.000 description 5
- 210000000709 aorta Anatomy 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 206010017076 Fracture Diseases 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 210000001930 leg bone Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 210000001835 viscera Anatomy 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000000889 atomisation Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 201000011066 hemangioma Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 206010061728 Bone lesion Diseases 0.000 description 1
- 208000024779 Comminuted Fractures Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/0002—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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (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)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请实施例公开了一种图像处理方法、装置、存储介质及电子设备。其中方法包括：电子设备通过对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；然后在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像；再对目标区域图像进行第一渲染处理，得到第一渲染图像；对初始医学图像进行第二渲染处理，得到第二渲染图像；最后根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。本申请实施例中通过对目标区域图像和初始图像采用了不同的图像渲染方式，然后通过第一渲染图像和第二渲染医学图像进行图像融合来得到目标医学图像，提高了对初始医学图像处理的效率。
Description
技术领域
本申请涉及图像处理技术领域，具体涉及一种图像处理方法、装置、存储介质及电子设备。
背景技术
在现有技术中，三维扫描设备会对病人的身体进行扫描，从而生成三维图像，然后对三维图像进行后期处理，从而生成医生可以观看的医学图像。
但是，现有技术中往往是对整个三维图像进行处理，需要耗费较多的计算资源，同时会耗费较长的时长。或者现有技术中采用简易的三维图像处理算法，虽然对三维图像的处理速度较快，但是最终生成的医学图像的精确度难以保证。
发明内容
本申请实施例提供一种图像处理方法、装置、存储介质及电子设备。该图像处理方法可以提高对图像的处理效率。
第一方面，本申请实施例提供了一种图像处理方法，包括：
对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；
在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像；
对目标区域图像进行第一渲染处理，得到第一渲染图像；
对初始医学图像进行第二渲染处理，得到第二渲染图像；
根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。
第二方面，本申请实施例提供了一种图像处理装置，包括：
分割模块，用于对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；
确定模块，用于在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像；
第一渲染模块，用于对目标区域图像进行第一渲染处理，得到第一渲染图像；
第二渲染模块，用于对初始医学图像进行第二渲染处理，得到第二渲染图像；
融合模块，用于融合第一渲染图像和第二渲染学图像，以得到目标医学图像。
第三方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序适于处理器进行加载，以执行本申请实施例中提供的图像处理方法中的步骤。
第四方面，本申请实施例提供了一种电子设备，电子设备包括存储器和处理器，存储器中存储有计算机程序，处理器通过调用存储器中存储的计算机程序，执行本申请实施例提供的图像处理方法中的步骤。
本申请实施例中，电子设备通过对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；然后在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像；再对目标区域图像进行第一渲染处理，得到第一渲染图像；对初始医学图像进行第二渲染处理，得到第二渲染图像；最后根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。本申请实施例中通过对目标区域图像和初始图像采用了不同的图像渲染方式，然后通过第一渲染图像和第二渲染医学图像进行图像融合来得到目标医学图像，提高了对初始医学图像处理的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图像处理方法的第一流程示意图。
图2是本申请实施例提供的图像处理方法的第二流程示意图。
图3本申请实施例提供的待处理部位的标记图。
图4是本申请实施例提供的目标区域图像的示意图。
图5是本申请实施例提供的边缘重叠区域的场景示意图。
图6是本申请实施例提供的缓冲子区域的场景示意图。
图7是本申请实施例提供的图像处理装置的结构示意图。
图8是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
现有技术中往往是对整个三维图像进行处理，需要耗费较多的计算资源，同时会耗费较长的时长。或者现有技术中采用简易的三维图像处理算法，虽然对三维图像的处理速度较快，但是最终生成的医学图像的精确度难以保证。
为了解决上述技术问题，本申请实施例提供了一种图像处理方法、装置、存储介质及电子设备。该图像处理方法可以提高对图像的处理效率，并且能够得到准确度较高的医学图像。
请参阅图1，图1是本申请实施例提供的图像处理方法的第一流程示意图。该图像处理方法可以包括以下步骤：
110、对初始医学图像进行分割，得到目标生理组织对应的目标分割图像。
在一些实施方式中，在对初始医学图像进行分割，得到目标生理组织对应的目标分割图像之前，电子设备可以先通过三维扫描来获取初始医学图像。例如，初始医学图像可以是通过计算机断层扫描(CT，Computed Tomography)、螺旋CT、X光、正电子发射型计算机断层显像(PRT，Positron Emission Computed Tomography)、荧光检查法、超声波、磁共振(MR，Magnetic Resonance)等方式获取的初始医学图像。其中，该初始医学图像中可以包含血管、骨骼、器官等生理结构。该初始医学图像可以是三维图像。
在一些实施方式中，在获取到初始医学图像之后，电子设备可以将初始医学图像输入到预设图像分割模型中，从而得到目标生理组织对应的目标分割图像，其中目标分割图像可以是三维图像。
预设图像分割模型可以对初始医学图像对应的生理组织进行识别，从而确定出病变区域对应的生理组织和正常部位对应的生理组织。预设分割模型可以将病变区域对应的生理组织确定为目标生理组织。
例如，初始医学图像对应的生理组织为心脏，图像分割模型可以在初始医学图像中确定出心脏的右心室为病变区域，然后对初始医学图像进行分割，从而得心脏的右心室对应的目标分割图像。其中，心脏的右心室就是目标生理组织。
在一些实施方式中，还可以先对图像分割模型进行训练，例如，在一张训练图像中(该训练图像可以是三维图像)，可以预先标记出病变组织区域，然后将训练图像输入到图像分割模型对应的基础模型中，然后基础模型对该标记的病变组织区域进行图像分割，然后得到输出图像。
电子设备可以将该输出图像对应的生理组织和预先标记出的病变组织进行匹配，如果输出图像对应的生理组织和预先标记出的病变组织之间的匹配度高于预设匹配值，则认为基础模型训练完成，从而得到图像分割模型。
120、在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像。
在一些实施方式中，目标分割图像中包括待处理部位，而待处理部位又包含病变部位和复杂生理结构部位。例如，待处理部位为心脏上右心室上，而病变部位为右心室上的主动脉血管，复杂生理结构部位为右心室上的血管交叉位置。
当电子设备得到目标分割图像之后，可以确定出目标生理组织对应的生理组织类型，然后根据生理组织类型在预设算法数据库中确定出目标识别算法，最后根据目标识别算法识别出目标生理组织中病变部位对应的目标区域图像。
例如，目标生理组织为心脏的右心室，则在预设算法数据库中确定出心脏的右心室对应的目标识别算法，然后通过目标识别算法对心脏的右心室进行识别，从而确定出病变部位，比如病变部位为心脏右心室上的主动脉血管。此时电子设备会将主动脉血管对应的图像确定为目标区域图像。
需要说明的是，目标区域图像在所述目标分割图像的范围内。
在一些实施方式中，电子设备在采用目标识别算法来对目标分割图像进行识别之后，会生成对应的识别框，该识别框内的区域为目标识别区域，在该识别框内包含病变部位，同时也包含少量的正常生理组织。比如，在该识别框内包含了病变的主动脉血管，也包含了少量分支血管。
在一些实施方式中，电子设备也可以在目标分割图像中确定出待处理部位的中心区域，然后扩大中心区域，得到包含待处理部位的目标区域，最后将目标区域在目标分割图像中对应的图像确定为目标区域图像。
比如，目标生理组织为小腿骨，在小腿骨上有骨裂，可以确定骨裂部位为病变部位，然后确定出骨裂部位的中心区域，然后逐渐扩大中心区域，直至中心区域能够完全覆盖出骨裂部位，从而得到包含病变部位的目标区域。电子设备可以将该目标区域在目标分割图像中对应的图像确定为目标区域图像。
在一些实施方式中，电子设备还可以对目标分割图像进行复杂生理结构部位扫描，比如确定关节部位、血管交叉部位、或者是影响医生对患者病情判断的部位等，然后电子设备可以将这些部位对应的图像确定为目标区域图像。
130、对目标区域图像进行第一渲染处理，得到第一渲染图像。
在一些方式中，第一渲染处理可以是精细渲染处理，电子设备可以对目标区域图像进行精细渲染处理，从而得到第一渲染图像。
例如，电子设备可以对目标区域图像进行“空间感”的渲染，比如通过设置不同区域的亮度、光源衰减、雾化、锐化、着色等处理，从而得到第一渲染图像，第一渲染图像能够更好的表现出“空间感”，从而使得第一渲染图像对应的待处理部位能够更加容易的凸显出来。从而有利于医生根据后续得到的医学图像来对患者的病情进行了解评估。
在一些实施方式中，电子设备可以确定目标区域图像中病变部位对应的病变类型，然后根据病变类型确定目标区域图像对应的目标渲染级别，最后根据目标渲染级别对目标区域图像进行第一渲染处理，得到第一渲染图像。其中，在对目标区域图像进行第一渲染处理的过程中，第一渲染可以包括多个渲染级别。
其中，病变类型可以是病变部位对应的病变严重类型，以骨头病变为例，有轻微的骨裂，有轻度的骨折，有重度的粉碎性骨折，不同的病变严重类型对应的病变部位的目标渲染级别是不同。比如骨裂对应的目标区域图像对应的目标渲染级别为5级渲染，而粉碎性骨裂的目标区域图像对应的目标渲染级别为10级渲染。级别越高，渲染出的图像越精细。
病变类型也可以是不同组织的生理病变类型，以内脏为例，如果内脏发生了病变，则该生理病变类型对应的目标渲染级别为3级渲染。如果是心脏外膜发生了病变，则该生理病变类型对应的目标渲染级别为10级渲染。即针对于不同的生理组织发生了病变，可以根据生理组织对应的生理病变类型来确定出目标区域图像对应的目标渲染级别。
在一些实施方式中，若目标区域图像为多个，电子设备可以确定每一目标区域图像的病变部位对应的病变类型，具体如上述内容所述。
然后电子设备根据病变类型和目标区域图像的数量确定每一目标区域图像对应的目标渲染级别。
例如，在目标区域图像为多个的情况下，电子设备的算力是有限的，算力不足的情况下，电子设备不可能同时对所有的目标区域图像采用最精细的渲染。以病人身上所处骨头发生病变为例，有骨裂对应的目标区域图像，有轻度骨折对应的目标区域图像，有粉碎性骨裂对应的目标区域图像。
如果电子设备的算力量化为一个数字，比如算力为18的情况下，可以将算力18分为三份，比如骨裂对应的目标区域图像的目标渲染级别为3级渲染，轻度骨折对应的目标区域图像的目标渲染级别为5级渲染，粉碎性骨裂对应的目标区域图像的目标渲染级别为10级渲染。
以上只是例举，在实际对目标区域图像进行渲染的过程中，电子设备还可以采用其他方式利用病变类型和目标区域图像的数量，从而确定每一目标区域图像对应的目标渲染级别。
在一些实施方式中，电子设备还可以确定目标区域图像中复杂生理结构部位对应的复杂程度；根据复杂程度确定目标区域图像对应的目标渲染级别；根据目标渲染级别对目标区域图像进行渲染处理，得到第一渲染图像。
比如，在复杂生理部位包含交叉的血管和交叉且弯折迂曲的血管，此时交叉的血管特征较为清晰，电子设备可以将交叉的血管对应的目标渲染级别确定为5。而交叉且弯折迂曲的血管特征较为复杂，电子设备可以将交叉的血管对应的目标渲染级别确定为10。
在一些实施方式中，电子设备还可以将复杂生理结构部位和数据库中的复杂生理结构部位对应的预设目标渲染级别进行匹配，从而利用预设目标渲染级别对复杂生理结构部位进行第一渲染处理。
140、对初始医学图像进行第二渲染处理，得到第二渲染图像。
在一些实施方式中，第二渲染可以是粗略渲染，第二渲染相对于第一渲染更加粗略，不会像第一渲染那样对图像进行高精细的渲染，第二渲染所耗费的算力及时长均小于第一渲染所需要的算力和时长。电子设备可以对初始医学图像进行粗略渲染，从而实现对初始医学图像的图像渲染，得到第二渲染图像。
例如，电子设备可以只对初始医学图像中不同的区域进行亮度、颜色调节处理，从而使得初始医学图像拥有空间感，而对于一些细节上，并不采取任何渲染处理。从而提高电子设备对初始医学图像的渲染效率，减少电子设备渲染初始医学图像所消耗的时间。
比如，在对初始医学图像进行粗略渲染的时候，可以只对图像中部位像素点的亮度进行渲染，从而使得渲染出的第二渲染图像中能够大致反应出不同生理组织对应的图像信息。
在一些实施方式中，电子设备还可以对初始医学图像进行分级渲染，比如第二渲染可以包括多个等级，对于初始医学图像中的不同区域，则可以设置不同的渲染等级。比如靠近目标区域图像的区域，可以采用10级第二渲染，而初始医学图像的四周边缘区域，则可以采用3级渲染。
150、根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。
电子设备可以将第一渲染图像和第二渲染图像进行融合，从而得到目标医学图像。
在一些实施方式中，在第二渲染图像中有第一渲染图像对应的第一区域，可以将第一渲染图像和第一区域对应的图像进行初步融合得到初步融合图像，然后再将初步融合图像和第二渲染图像中的非第一区域进行拼接，从而得到目标医学图像。
需要说明的是，最终得到的目标医学图像是三维图像，该三维图像能够反映出待处理部位对应的一些情况，有利于医生了解患者病情、确定出具体的医疗方案等。
本申请实施例中，电子设备通过对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；然后在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像；再对目标区域图像进行第一渲染处理，得到第一渲染图像；对初始医学图像进行第二渲染处理，得到第二渲染图像；最后根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。本申请实施例中通过对目标区域图像和初始图像采用了不同的图像渲染方式，然后通过第一渲染图像和第二渲染医学图像进行图像融合来得到目标医学图像，提高了对初始医学图像处理的效率。
为了更加详细的了解本申请实施例中提供的图像处理方法，请继续参阅图2，图2是本申请实施例提供的图像处理方法的第二流程示意图。该图像处理方法可以包括以下步骤：
201、对初始医学图像进行分割，得到目标生理组织对应的目标分割图像。
在一些实施方式中，在获取到初始医学图像之后，电子设备可以将初始医学图像输入到预设图像分割模型中，从而得到目标生理组织对应的目标分割图像，其中目标分割图像可以是三维图像。
预设图像分割模型可以对初始医学图像对应的生理组织进行识别，从而确定出病变区域对应的生理组织和正常部位对应的生理组织。预设分割模型可以将病变区域对应的生理组织确定为目标生理组织。
例如，初始医学图像对应的生理组织为心脏，图像分割模型可以在初始医学图像中确定出心脏的右心室为病变区域，然后对初始医学图像进行分割，从而得心脏的右心室对应的目标分割图像。其中，心脏的右心室就是目标生理组织。
在一些实施方式中，目标分割图像可以是掩膜图像，预设图像分割模型还可以对病变区域进行初步的标记，如图3所示，图3是本申请实施例提供的待处理部位的标记图。
其中，1为血管组织的中心线像素点，2为血管组织内部的像素点，3为血管组织边界像素点，4为血管上病变组织边界对应的像素点，5为血管上病变组织的中心点对应的像素点，6位病变组织的内部的像素点。
在预设图像分割模型对病变区域进行初步的标记以后，可以通过对应的标记点来对初始医学图像进行分割。例如，通过标记点“1、2、3”就能够分割出血管对应的图像。通过标记点“4、5、6”就能够分割出血管上待处理部位对应的图像。通过该方式就能够得到目标分割图像。
202、确定目标生理组织对应的生理组织类型。
在一些实施方式中，电子设备可以根据先确定出目标生理组织对应的生理组织类型。例如生理组织类型有内脏、骨骼等不同的生理组织类型。
当目标生理组织为心脏的右心室时，则可以确定目标生理组织对应的生理组织类型为心脏。
203、根据生理组织类型在预设算法数据库中确定出目标识别算法。
例如，目标生理组织为心脏的右心室，电子设备则在预设算法数据库中确定出心脏对应的目标识别算法。目标生理组织为腿骨，电子设备则在预设算法数据库中确定出骨骼对应的目标识别算法。
204、根据目标识别算法识别出目标生理组织中待处理部位对应的目标区域图像。
在一些实施方式中，电子设备在确定出目标识别算法之后，电子设备调用目标识别算法对目标分割图像进行识别，从而确定出目标生理组织中待处理部位对应的目标区域图像。其中待处理部位可以包括复杂生理结构部位和病变部位。
例如，电子设备可以采用心脏对应的目标识别算法对心脏的右心室进行识别，从而确定出病变部位，比如病变部位为心脏右心室上的主动脉血管。此时电子设备会将主动脉血管对应的图像确定为目标区域图像。
例如，电子设备可以采用血管对应的目标识别算法，识别出右心室中交叉的血管对应的部位和交叉迂曲的血管对应的部位，然后将这些复杂生理结构部位对应的图像确定为目标区域图像。
请一并参阅图4，图4是本申请实施例提供的目标区域图像的示意图。图4所示的整体图像为血管图像，血管图像中包括支叉血管、支路血管、主血管等。目标识别算法可以确定出病变部位，比如病变部位为血管瘤，然后确定出血管瘤对应的目标区域，将该目标区域内的图像确定为目标区域图像。
电子设备采用的目标识别算法可以是bounding box算法。
205、对目标区域图像进行第一渲染处理，得到第一渲染图像。
在一些方式中，第一渲染处理可以是精细渲染处理，电子设备可以对目标区域图像进行精细渲染处理，从而得到第一渲染图像。
例如，电子设备可以对目标区域图像进行“空间感”的渲染，比如通过设置不同区域的亮度、光源衰减、雾化、锐化、着色等处理，从而得到第一渲染图像，第一渲染图像能够更好的表现出“空间感”，从而使得第一渲染图像对应的病变部位能够更加容易的凸显出来。从而有利于医生根据后续得到的医学图像来对患者的病情进行了解评估。
在一些实施方式中，在对目标区域图像进行精细渲染处理的时候，可以先采用第一渲染算法来对目标区域图像进行第一次渲染，得到第一处理图像。然后再采用第二渲染算法对第一处理图像进行第二次渲染，从而得到第一渲染图像。
通过采用多种渲染算法，能够保证渲染出的第一渲染图像拥有较高的精细度。例如，采用Ray-Tracing算法、photorealistic rendering算法、Ray-Casting算法、alpha混合算法等算法。
206、对初始医学图像进行第二渲染处理，得到第二渲染图像。
第二渲染处理可以是粗略渲染处理，电子设备可以对初始医学图像进行粗略渲染处理，从而得到第二渲染图像。
例如，电子设备可以只对初始医学图像中不同的区域进行亮度、颜色调节处理，从而使得初始医学图像拥有空间感，而对于一些细节上，并不采取任何渲染处理。从而提高电子设备对初始医学图像的渲染效率，减少电子设备渲染初始医学图像所消耗的时间。
在一些实施方式中，电子设备可以采用较为简单的渲染算法来对初始医学图像进行粗略渲染处理，从而得到第二渲染图像。
在上述图像渲染的过程中，由于目标区域图像相对于初始医学图像范围更小，虽然采用了较为复杂的渲染算法，但是渲染算法处理的数据量小，则能够快速得到第一渲染图像。
而初始医学图像虽然范围较大，但是采用的渲染算法较为简单，对初始医学图像处理的数据量少，也能够快速得到第二渲染图像。
207、将第一渲染图像和第二渲染图像进行融合，得到目标医学图像。
在一些实施方式中，在第二渲染图像中有第一渲染图像对应的第一区域，可以将第一渲染图像和第一区域对应的图像进行初步融合得到初步融合图像，然后再将初步融合图像和第二渲染图像中的非第一区域进行拼接，从而得到目标医学图像。
在一些实施方式中，电子设备可以获取第一渲染图像中所有像素点对应的第一像素值矩阵以及第二渲染图像中所有像素点对应的第二像素值矩阵；然后根据第一像素值矩阵和第二像素值矩阵确定第一渲染图像对应的第三像素值矩阵；最后根据第三像素值矩阵将第一渲染图像和第二渲染图像进行融合，得到目标医学图像。
具体的，电子设备可以确定第一像素值矩阵对应的第一权重值以及第二像素值矩阵对应的第二权重值；获取第一像素值矩和第一权重值相乘后得到的第一结果，以及第二像素值矩和第二权重值相乘后得到的第二结果；将第一结果和第二结果相加得到第三像素值矩阵。
如下公式所示：
C＝k1·A+k2·B
其中C为第三像素值矩阵、K1为第一权重是、A为第一渲染图像对应的第一像素值矩阵、K2为第二权重值、B为第二渲染图像对应的第二像素值矩阵。
通过合理的设置第一权重值和第二权重值，能够使得第一渲染图像和第二渲染图像进行融合时，边缘过渡更加合理，不会产生图像拼接错误的等问题。
需要说明的是，最终得到的目标医学图像是三维图像，该三维图像能够反映出待处理部位对应的一些情况，有利于医生了解患者病情、确定出具体的医疗方案等。
在一些实施方式中，第一渲染图像和第二渲染图像有对应的边缘重叠区域，即在边缘重叠区域中第一渲染图像中对应的第一像素和第二渲染图像对应的第二像素发生了重叠。
请一并参阅图5，图5是本申请实施例提供的边缘重叠区域的场景示意图。
其中，S1为第一渲染图像，S11为边缘重叠区域，S12为第一渲染图像中除边缘重叠区域的子区域图像，S2为第二渲染图像。
在一些实施方式中，电子设备可以确定第一渲染图像对应的边缘重叠区域中所有第一像素对应的第三权重值，以及第二渲染图像对应的边缘重叠区域中所有第二像素对应的第四权重值。
根据第一像素、第三权重值、第二像素、第四权重值确定出边缘重叠区域中的目标像素信息。
例如，先确定出一个目标像素，该目标像素在第一渲染图像的边缘重叠区域中对应有第一像素，该目标像素在第二渲染图像的边缘重叠区域中对应有第二像素，然后利用第一像素乘以第三权重值得到第一计算结果，利用第二像素乘以第四权重值得到第二计算结果，再将第一计算结果和第二计算结果相加，则得到目标像素对应的像素信息，比如该像素信息为像素值、亮度值等。
需要说明的是，第三权重值和第四权重值相加之后等于1，第三权重值和第四权重值可以在0～1范围内。
最后电子设备根据目标像素信息将第一渲染图像和第二渲染图像进行融合，得到目标医学图像。
例如，电子设备可以确定第一渲染图像中除边缘重叠区域的子区域图像；将子区域图像中所有像素更新至第二渲染图像中子区域所对应的位置中；将目标像素信息更新至第二渲染图像中的边缘重叠区域中对应的像素中，得到目标医学图像。
比如，在边缘重叠区域中，将每一目标像素对应的目标像素信息更新至目标像素中，将第一渲染图像的子区域图像中的像素更新到第二渲染图像中对应的像素位置中，从而得到目标医学图像。该目标医学图像，第一渲染图像和第二渲染图像边缘的过渡更加自然。医生在查看目标医学图像的时候，能够更好的观察出患者的待处理部位的病变情况。
请一并参阅图6，图6是本申请实施例提供的缓冲子区域的场景示意图。
在一些实施方式中，在边缘重叠区域中包括多个缓冲子区域，如图6所示，其中边缘重叠区域S11包括第一缓冲子区域S111和第二缓冲子区域S112。
电子设备可以确定出第一渲染图像中每一缓冲子区域对应的第三权重值，将每一缓冲子区域对应的第三权重值确定为缓冲子区域中第一像素对应的第三权重值。
确定出第二渲染图像中每一缓冲子区域对应的第四权重值，将每一缓冲子区域对应的第四权重值确定为缓冲子区域中第二像素对应的第四权重值。
比如，在第一渲染图像中，第一缓冲子区域对应的第三权重值为0.8，那么第一缓冲子区域对应的第一像素的权重值为0.8。第二缓冲子区域对应的第三权重值为0.6，那么第二缓冲子区域对应的第一像素的权重值为0.6。
在第二渲染图像中，第一缓冲子区域对应的第四权重值为0.2，那么第一缓冲子区域对应的第二像素的权重值为0.2。第二缓冲子区域对应的第四权重值为0.4，那么第二缓冲子区域对应的第二像素的权重值为0.4。
也就是说，在第一渲染图像中，越靠近第一渲染图像边缘的缓冲子区域，对应的第三权重值越来越低。而在第二渲染图像中，越靠近第一渲染图像内部的缓冲子区域，对应的第四权重值越来越低。
最终，电子设备可以根据每个缓冲子区域对应的第一像素、第三权重值、第二像素、第四权重值确定出该缓冲子区域中的目标像素信息。在电子设备得到所有的缓冲子区域对应的目标像素信息，则得到整个边缘重叠区域对应的目标像素信息。
电子设备获取每个缓冲子区域的目标像素信息和上述电子设备获取边缘重叠区域的目标像素信息相同，在此不做赘述。
在本申请实施例中，通过在边缘重叠区域中设置多个缓冲子区域，从而分别计算每个缓冲子区域对应的目标像素信息，能够使得第一渲染图像和第二渲染图像进行融合时，使得目标医学图像中第一渲染图像和第二渲染图像之间的边缘过渡更加自然。从而利于医生更加清楚的观察出待处理部位对应的病变情况。
208、获取目标医学图像对应的观看角度。
在一些实施方式中，电子设备可以获取目标医学图像对应的观看角度，比如医生在查看目标医学图像时，会选取对应的角度，电子设备可以将该角度确定为观看角度。
209、根据观看角度将目标医学图像映射在二维平面上，以得到平面医学图像。
当确定出观看角度之后，电子设备可以根据观看角度将目标医学图像映射在二维平面上，比如对每一个像素点进行映射，从而在二维平面上形成平面医学图像。
医生可以通过平面医学图像更加直接的观察出待处理部位的情况，从而了解患者的病情。
在本申请实施例中，电子设备通过对初始医学图像进行分割，得到目标生理组织对应的目标分割图像，确定目标生理组织对应的生理组织类型，根据生理组织类型在预设算法数据库中确定出目标识别算法，根据目标识别算法识别出目标生理组织中待处理部位对应的目标区域图像。然后对目标区域图像进行第一渲染处理，得到第一渲染图像。对初始医学图像进行第二渲染处理，得到第二渲染图像。最后将第一渲染图像和第二渲染图像进行融合，得到目标医学图像，获取目标医学图像对应的观看角度，根据观看角度将目标医学图像映射在二维平面上，以得到平面医学图像。
避免了电子设备对整个初始医学图像进行高精度渲染处理，只需要对待处理部位对应的目标区域图像进行高精度渲染处理，从而调高了电子设备对图像处理的效率。
请参阅图7，图7是本申请实施例提供的图像处理装置的结构示意图。该图像处理装置300包括：
分割模块310，用于对初始医学图像进行分割，得到目标生理组织对应的目标分割图像。
分割模块310还用于将初始医学图像输入至预设图像分割模型中，得到目标生理组织对应的目标分割图像。
确定模块320，用于在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像。
确定模块320还用于确定目标生理组织对应的目标识别算法；根据目标识别算法识别出目标生理组织中待处理部位对应的目标区域图像。
确定模块320还用于确定目标生理组织对应的生理组织类型；根据生理组织类型在预设算法数据库中确定出目标识别算法。
确定模块320还用于在目标分割图像中确定待处理部位的中心区域；扩大中心区域，得到包含待处理部位的目标区域；将目标区域在目标分割图像中对应的图像确定为目标区域图像。
第一渲染模块330，用于对目标区域图像进行第一渲染处理，得到第一渲染图像。
第一渲染模块330还用于对目标区域图像进行精细渲染处理，得到第一渲染图像。
第一渲染模块330还用于确定目标区域图像中病变部位对应的病变类型；根据病变类型确定目标区域图像对应的目标渲染级别；根据目标渲染级别对目标区域图像进行渲染处理，得到第一渲染图像。
第一渲染模块330还用于若目标区域图像为多个，确定每一目标区域图像的病变部位对应的病变类型；根据病变类型和目标区域图像的数量确定每一目标区域图像对应的目标渲染级别。
第一渲染模块330还用于确定目标区域图像中复杂生理结构部位对应的复杂程度；根据复杂程度确定目标区域图像对应的目标渲染级别；根据目标渲染级别对目标区域图像进行渲染处理，得到第一渲染图像。
第二渲染模块340用于对初始医学图像进行第二渲染处理，得到第二渲染图像。
第二渲染模块340还用于对初始医学图像进行粗略渲染处理，得到第二渲染图像。
融合模块350，用于根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。
融合模块350还用于获取第一渲染图像中所有像素点对应的第一像素值矩阵以及第二渲染图像中所有像素点对应的第二像素值矩阵；根据第一像素值矩阵和第二像素值矩阵确定第一渲染图像对应的第三像素值矩阵；根据第三像素值矩阵将第一渲染图像和第二渲染图像进行融合，得到目标医学图像。
融合模块350还用于确定第一像素值矩阵对应的第一权重值以及第二像素值矩阵对应的第二权重值；获取第一像素值矩和第一权重值相乘后得到的第一结果，以及第二像素值矩和第二权重值相乘后得到的第二结果；将第一结果和第二结果相加得到第三像素值矩阵。
融合模块350还用于获取目标医学图像对应的观看角度；根据观看角度将目标医学图像映射在二维平面上，以得到平面医学图像。
融合模块350还用于确定第一渲染图像和第二渲染图像对应的边缘重叠区域；确定第一渲染图像对应的边缘重叠区域中所有第一像素对应的第三权重值，以及第二渲染图像对应的边缘重叠区域中所有第二像素对应的第四权重值；根据第一像素、第三权重值、第二像素、第四权重值确定出边缘重叠区域中的目标像素信息；根据目标像素信息将第一渲染图像和第二渲染图像进行融合，得到目标医学图像。
融合模块350还用于确定出第一渲染图像中每一缓冲子区域对应的第三权重值，将每一缓冲子区域对应的第三权重值确定为缓冲子区域中第一像素对应的第三权重值；确定出第二渲染图像中每一缓冲子区域对应的第四权重值，将每一缓冲子区域对应的第四权重值确定为缓冲子区域中第二像素对应的第四权重值。
融合模块350还用于确定第一渲染图像中除边缘重叠区域的子区域图像；将子区域图像中所有像素更新至第二渲染图像中子区域所对应的位置中；将目标像素信息更新至第二渲染图像中的边缘重叠区域中对应的像素中，得到目标医学图像。
本申请实施例中，电子设备通过对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；然后在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像；再对目标区域图像进行第一渲染处理，得到第一渲染图像；对初始医学图像进行第二渲染处理，得到第二渲染图像；最后根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。本申请实施例中通过对目标区域图像和初始图像采用了不同的图像渲染方式，然后通过第一渲染图像和第二渲染医学图像进行图像融合来得到目标医学图像，提高了对初始医学图像处理的效率。
相应的，本申请实施例还提供一种电子设备，如图8所示，该电子设备可以包括有一个或一个以上计算机可读存储介质的存储器401、输入单元402、显示单元403、传感器404、包括有一个或者一个以上处理核心的处理器405、以及电源406等部件。本领域技术人员可以理解，图8中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
存储器401可用于存储软件程序以及模块，处理器405通过运行存储在存储器401的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器401可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器401可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器401还可以包括存储器控制器，以提供处理器405和输入单元402对存储器401的访问。
输入单元402可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元402可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器405，并能接收处理器405发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元402还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元403可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元403可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid CrystalDisplay)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器405以确定触摸事件的类型，随后处理器405根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图8中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。
电子设备还可包括至少一种传感器404，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在电子设备移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于电子设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
处理器405是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器401内的软件程序和/或模块，以及调用存储在存储器401内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器405可包括一个或多个处理核心；优选的，处理器405可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器405中。
电子设备还包括给各个部件供电的电源406(比如电池)，优选的，电源可以通过电源管理系统与处理器405逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源406还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，电子设备还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，电子设备中的处理器405会加载存储器401上存储的计算机程序，处理器405通过加载计算机程序，从而实现各种功能：
对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；
在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像；
对目标区域图像进行第一渲染处理，得到第一渲染图像；
对初始医学图像进行第二渲染处理，得到第二渲染图像；
根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种图像处理方法中的步骤。例如，该指令可以执行如下步骤：
对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；
在目标分割图像中确定出目标生理组织中待处理部位对应的目标区域图像；
对目标区域图像进行第一渲染处理，得到第一渲染图像；
对初始医学图像进行第二渲染处理，得到第二渲染图像；
根据第一渲染图像和第二渲染图像进行图像融合，得到目标医学图像。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种图像处理方法中的步骤，因此，可以实现本申请实施例所提供的任一种图像处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种图像处理方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (19)
1.一种图像处理方法，其特征在于，包括：
对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；
在所述目标分割图像中确定出所述目标生理组织中待处理部位对应的目标区域图像；
对所述目标区域图像进行第一渲染处理，得到第一渲染图像；
对所述初始医学图像进行第二渲染处理，得到第二渲染图像；
根据所述第一渲染图像和所述第二渲染图像进行图像融合，得到目标医学图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述在所述目标分割图像中确定出所述目标生理组织中待处理部位对应的目标区域图像，包括：
确定所述目标生理组织对应的目标识别算法；
根据所述目标识别算法识别出所述目标生理组织中待处理部位对应的目标区域图像。
3.根据权利要求2所述的图像处理方法，其特征在于，所述确定所述目标生理组织对应的目标识别算法，包括：
确定所述目标生理组织对应的生理组织类型；
根据所述生理组织类型在预设算法数据库中确定出所述目标识别算法。
4.根据权利要求1所述的图像处理方法，其特征在于，所述在所述目标分割图像中确定出所述目标生理组织中待处理部位对应的目标区域图像，包括：
在所述目标分割图像中确定所述待处理部位的中心区域；
扩大所述中心区域，得到包含所述待处理部位的目标区域；
将所述目标区域在所述目标分割图像中对应的图像确定为所述目标区域图像。
5.根据权利要求1所述的图像处理方法，其特征在于，所述对所述目标区域图像进行第一渲染处理，得到第一渲染图像，包括：
对所述目标区域图像进行精细渲染处理，得到所述第一渲染图像。
6.根据权利要求5所述的图像处理方法，其特征在于，所述目标区域图像中的待处理部位包括病变部位，所述对所述目标区域图像进行第一渲染处理，得到第一渲染图像，包括：
确定所述目标区域图像中病变部位对应的病变类型；
根据所述病变类型确定所述目标区域图像对应的目标渲染级别；
根据所述目标渲染级别对所述目标区域图像进行渲染处理，得到所述第一渲染图像。
7.根据权利要求6所述的图像处理方法，其特征在于，若所述目标区域图像为多个，所述对所述目标区域图像进行渲染处理，得到第一渲染图像，包括：
确定每一所述目标区域图像的所述病变部位对应的病变类型；
根据所述病变类型和所述目标区域图像的数量确定每一所述目标区域图像对应的所述目标渲染级别。
8.根据权利要求1所述的图像处理方法，其特征在于，所述目标区域图像中的待处理部位包括复杂生理结构部位，所述对所述目标区域图像进行渲染处理，得到第一渲染图像，包括：
确定所述目标区域图像中复杂生理结构部位对应的复杂程度；
根据所述复杂程度确定所述目标区域图像对应的目标渲染级别；
根据所述目标渲染级别对所述目标区域图像进行渲染处理，得到所述第一渲染图像。
9.根据权利要求1所述的图像处理方法，其特征在于，所述对所述初始医学图像进行第二渲染处理，得到第二渲染图像，包括：
对所述初始医学图像进行粗略渲染处理，得到第二渲染图像。
10.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述第一渲染图像和所述第二渲染图像进行图像融合，得到目标医学图像，包括：
获取所述第一渲染图像中所有像素点对应的第一像素值矩阵以及所述第二渲染图像中所有像素点对应的第二像素值矩阵；
根据所述第一像素值矩阵和所述第二像素值矩阵确定所述第一渲染图像对应的第三像素值矩阵；
根据所述第三像素值矩阵将所述第一渲染图像和所述第二渲染图像进行融合，得到所述目标医学图像。
11.根据权利要求10所述的图像处理方法，其特征在于，所述根据所述第一像素值矩阵和所述第二像素值矩阵确定所述第一渲染图像对应的第三像素值矩阵，包括：
确定所述第一像素值矩阵对应的第一权重值以及所述第二像素值矩阵对应的第二权重值；
获取所述第一像素值矩和所述第一权重值相乘后得到的第一结果，以及所述第二像素值矩和所述第二权重值相乘后得到的第二结果；
将所述第一结果和所述第二结果相加得到所述第三像素值矩阵。
12.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述第一渲染图像和所述第二渲染图像进行图像融合，得到目标医学图像，包括：
确定所述第一渲染图像和所述第二渲染图像对应的边缘重叠区域；
确定所述第一渲染图像对应的边缘重叠区域中所有第一像素对应的第三权重值，以及所述第二渲染图像对应的边缘重叠区域中所有第二像素对应的第四权重值；
根据所述第一像素、所述第三权重值、所述第二像素、所述第四权重值确定出所述边缘重叠区域中的目标像素信息；
根据所述目标像素信息将所述第一渲染图像和所述第二渲染图像进行融合，得到所述目标医学图像。
13.根据权利要求12所述的图像处理方法，其特征在于，所述边缘重叠区域包括多个缓冲子区域，所述确定所述第一渲染图像对应的边缘重叠区域中所有第一像素对应的第三权重值以及所述第二渲染图像对应的边缘重叠区域中所有第二像素对应的第四权重值，包括：
确定出所述第一渲染图像中每一所述缓冲子区域对应的第三权重值，将每一所述缓冲子区域对应的第三权重值确定为所述缓冲子区域中所述第一像素对应的第三权重值；
确定出所述第二渲染图像中每一所述缓冲子区域对应的第四权重值，将每一所述缓冲子区域对应的第四权重值确定为所述缓冲子区域中第二像素对应的第四权重值。
14.根据权利要求12所述的图像处理方法，其特征在于，所述根据所述目标像素信息将所述第一渲染图像和所述第二渲染图像进行融合，得到所述目标医学图像，包括：
确定所述第一渲染图像中除所述边缘重叠区域的子区域图像；
将所述子区域图像中所有像素更新至所述第二渲染图像中所述子区域所对应的位置中；
将所述目标像素信息更新至所述第二渲染图像中的边缘重叠区域中对应的像素中，得到所述目标医学图像。
15.根据权利要求1至14任一项所述的图像处理方法，其特征在于，在所述根据所述第一渲染图像和所述初始医学图像进行图像融合，得到目标医学图像之后，所述方法还包括：
获取所述目标医学图像对应的观看角度；
根据所述观看角度将所述目标医学图像映射在二维平面上，以得到平面医学图像。
16.根据权利要求1至14任一项所述的图像处理方法，其特征在于，所述对初始医学图像进行分割，得到目标生理组织对应的目标分割图像，包括：
将所述初始医学图像输入至预设图像分割模型中，得到所述目标生理组织对应的目标分割图像。
17.一种图像处理装置，其特征在于，包括：
分割模块，用于对初始医学图像进行分割，得到目标生理组织对应的目标分割图像；
确定模块，用于在所述目标分割图像中确定出所述目标生理组织中待处理部位对应的目标区域图像；
第一渲染模块，用于对所述目标区域图像进行第一渲染处理，得到第一渲染图像；
第二渲染模块，用于对所述初始医学图像进行第二渲染处理，得到第二渲染图像；
融合模块，用于融合所述第一渲染图像和所述第二渲染学图像，以得到目标医学图像。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1至16任一项所述的图像处理方法中的步骤。
19.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，执行如权利要求1至16任一项所述的图像处理方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210298162.2A CN114612461A (zh) | 2022-03-24 | 2022-03-24 | 图像处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210298162.2A CN114612461A (zh) | 2022-03-24 | 2022-03-24 | 图像处理方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114612461A true CN114612461A (zh) | 2022-06-10 |
Family
ID=81867259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210298162.2A Pending CN114612461A (zh) | 2022-03-24 | 2022-03-24 | 图像处理方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114612461A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058292A (zh) * | 2023-07-28 | 2023-11-14 | 北京透彻未来科技有限公司 | 基于数字病理图像的色阶图渲染系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101188019A (zh) * | 2006-11-20 | 2008-05-28 | 爱克发医疗保健公司 | 融合数字图像的方法 |
| US20120327198A1 (en) * | 2011-06-22 | 2012-12-27 | Toshiba Medical Systems Corporation | Image processing system, apparatus, and method |
| US20160125640A1 (en) * | 2014-10-31 | 2016-05-05 | Samsung Medison Co., Ltd. | Medical imaging apparatus and method of displaying medical image |
| CN106202927A (zh) * | 2016-05-31 | 2016-12-07 | 武汉联影医疗科技有限公司 | 医学影像的渲染方法和系统 |
| CN107049475A (zh) * | 2017-04-19 | 2017-08-18 | 纪建松 | 肝癌局部消融方法及系统 |
| JP2018089343A (ja) * | 2016-11-28 | 2018-06-14 | キヤノンマーケティングジャパン株式会社 | 医用画像処理装置、医用画像処理装置の制御方法、及びプログラム |
| CN108363519A (zh) * | 2017-12-29 | 2018-08-03 | 中国科学院自动化研究所 | 分布式红外视觉检测与投影融合自动矫正的触控显示系统 |
| CN109712217A (zh) * | 2018-12-21 | 2019-05-03 | 上海联影医疗科技有限公司 | 一种医学图像可视化方法和系统 |
| CN110324601A (zh) * | 2018-03-27 | 2019-10-11 | 京东方科技集团股份有限公司 | 渲染方法、计算机产品及显示装置 |
| CN110347265A (zh) * | 2019-07-22 | 2019-10-18 | 北京七鑫易维科技有限公司 | 渲染图像的方法及装置 |
| CN111563876A (zh) * | 2020-03-24 | 2020-08-21 | 上海依智医疗技术有限公司 | 一种医学影像的获取方法、显示方法 |
-
2022
- 2022-03-24 CN CN202210298162.2A patent/CN114612461A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101188019A (zh) * | 2006-11-20 | 2008-05-28 | 爱克发医疗保健公司 | 融合数字图像的方法 |
| US20120327198A1 (en) * | 2011-06-22 | 2012-12-27 | Toshiba Medical Systems Corporation | Image processing system, apparatus, and method |
| US20160125640A1 (en) * | 2014-10-31 | 2016-05-05 | Samsung Medison Co., Ltd. | Medical imaging apparatus and method of displaying medical image |
| CN106202927A (zh) * | 2016-05-31 | 2016-12-07 | 武汉联影医疗科技有限公司 | 医学影像的渲染方法和系统 |
| JP2018089343A (ja) * | 2016-11-28 | 2018-06-14 | キヤノンマーケティングジャパン株式会社 | 医用画像処理装置、医用画像処理装置の制御方法、及びプログラム |
| CN107049475A (zh) * | 2017-04-19 | 2017-08-18 | 纪建松 | 肝癌局部消融方法及系统 |
| CN108363519A (zh) * | 2017-12-29 | 2018-08-03 | 中国科学院自动化研究所 | 分布式红外视觉检测与投影融合自动矫正的触控显示系统 |
| CN110324601A (zh) * | 2018-03-27 | 2019-10-11 | 京东方科技集团股份有限公司 | 渲染方法、计算机产品及显示装置 |
| CN109712217A (zh) * | 2018-12-21 | 2019-05-03 | 上海联影医疗科技有限公司 | 一种医学图像可视化方法和系统 |
| CN110347265A (zh) * | 2019-07-22 | 2019-10-18 | 北京七鑫易维科技有限公司 | 渲染图像的方法及装置 |
| CN111563876A (zh) * | 2020-03-24 | 2020-08-21 | 上海依智医疗技术有限公司 | 一种医学影像的获取方法、显示方法 |
Non-Patent Citations (3)
| Title |
|---|
| JOHANNA BEYER 等: "High-Quality Multimodal Volume Rendering for Preoperative Planning of Neurosurgical Interventions", 《IEEE》 * |
| 胡宝平 等: "基于ITK和OpenGL的医学图像三维重建", 《研究论著》 * |
| 裴俊 等: "基于人工智能的配网网络发令系统及应用", 《机械与电子》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058292A (zh) * | 2023-07-28 | 2023-11-14 | 北京透彻未来科技有限公司 | 基于数字病理图像的色阶图渲染系统 |
| CN117058292B (zh) * | 2023-07-28 | 2024-04-26 | 北京透彻未来科技有限公司 | 基于数字病理图像的色阶图渲染系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11340708B2 (en) | Gesture control of medical displays | |
| US20090153472A1 (en) | Controlling a viewing parameter | |
| US8098917B2 (en) | Automatically updating a geometric model | |
| US20140218397A1 (en) | Method and apparatus for providing virtual device planning | |
| CN108389202B (zh) | 三维虚拟器官的体积计算方法、装置、存储介质及设备 | |
| US10269453B2 (en) | Method and apparatus for providing medical information | |
| WO2021024242A1 (en) | Atlas-based location determination of an anatomical region of interest | |
| CN111430012B (zh) | 使用实时边缘感知刷来半自动地分割3d医学图像的系统和方法 | |
| WO2016116136A1 (en) | Atlas-based determination of tumour growth direction | |
| CN114612461A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| WO2019028021A1 (en) | SYSTEM AND METHOD OF LOCATION BASED ON ARTIFICIAL VISION AND HYBRID EQUIPMENT | |
| US20130195323A1 (en) | System for Generating Object Contours in 3D Medical Image Data | |
| US11086513B2 (en) | Method and apparatus for displaying function of button of ultrasound apparatus on the button | |
| JP2009119000A (ja) | 医療画像処理用の補助コントローラ、画像処理システム、及び医療画像の処理方法 | |
| CN108389203B (zh) | 三维虚拟器官的体积计算方法、装置、存储介质及设备 | |
| WO2018209515A1 (zh) | 显示系统及方法 | |
| CN113610840B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| US11062447B2 (en) | Hypersurface reconstruction of microscope view | |
| US10803645B2 (en) | Visualization of anatomical cavities | |
| US20240087723A1 (en) | Program, information processing method, and information processing device | |
| CN111724388B (zh) | 医学图像数据的可视化 | |
| JP2006055402A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| EP3863551B1 (en) | Using a current workflow step for control of medical data processing | |
| CN118141400A (zh) | 病床定位方法、装置及医学扫描成像设备 | |
| KR20230033165A (ko) | 의료영상의 관심영역을 윈도우에 자동으로 피팅하여 표시하는 장치 및 그 방법 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220610 |