CN116958047A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents
一种图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116958047A CN116958047A CN202310688344.5A CN202310688344A CN116958047A CN 116958047 A CN116958047 A CN 116958047A CN 202310688344 A CN202310688344 A CN 202310688344A CN 116958047 A CN116958047 A CN 116958047A
- Authority
- CN
- China
- Prior art keywords
- partition
- processed
- evaluated
- femoral head
- attribute
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000005192 partition Methods 0.000 claims abstract description 273
- 210000004394 hip joint Anatomy 0.000 claims abstract description 74
- 238000011156 evaluation Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000000638 solvent extraction Methods 0.000 claims abstract description 22
- 206010023215 Joint effusion Diseases 0.000 claims description 31
- 206010051763 Bone marrow oedema Diseases 0.000 claims description 25
- 210000000588 acetabulum Anatomy 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 206010030113 Oedema Diseases 0.000 claims description 15
- 208000008558 Osteophyte Diseases 0.000 claims description 14
- 201000010934 exostosis Diseases 0.000 claims description 13
- 241000521257 Hydrops Species 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 5
- 238000003745 diagnosis Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 210000001624 hip Anatomy 0.000 description 7
- 230000005484 gravity Effects 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010002556 Ankylosing Spondylitis Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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
本发明公开了一种图像处理方法、装置、电子设备及存储介质,其中,该方法包括:对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区;针对各待处理分区,根据与当前分区相对应的待识别信息,确定与当前分区相对应的待评估属性;根据至少一个待处理分区所对应的待评估属性,确定与待处理图像相对应的目标评估属性。通过对于髋关节部位对应的磁共振图像进行分区处理,得到至少一个待处理分区,并对各待处理分区分别进行病况程度的评估,以根据各待处理分区对应的待评估属性综合确定与髋关节部位对应的病况程度,实现了准确快速的对就诊用户的髋关节部位进行病况评估的效果。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
强直性脊柱炎是一种慢性疾病,而由于髋关节是最常受累的脊柱外关节,受累比例高达20%-40%,是导致就诊用户伤病的主要原因。
目前,在对就诊用户进行髋关节诊断时,主要是由接诊用户通过对就诊用户的磁共振图像进行肉眼观测,判断就诊用户的髋关节部位所对应的病况程度,以根据病况程度确定与就诊用户对应的治疗手段。但是,这样的判断方法非常依赖于接诊用户的临床经验,诊断效率低,且存在就诊结果不够准确的问题。
为了解决上述问题,需要对髋关节部位的病况程度的评估方式进行改进。
发明内容
本发明提供了一种图像处理方法、装置、电子设备及存储介质,以解决对就诊用户的髋关节部位的病况程度诊断效率低,且存在诊断结果不够准确的问题。
第一方面,本发明实施例提供了一种图像处理方法,包括:
对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区;
针对各待处理分区,根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性;其中,所述待识别信息包括骨髓水肿信息、髋关节积液信息以及股骨头形变信息中的至少一种;
根据至少一个待处理分区所对应的待评估属性,确定与所述待处理图像相对应的目标评估属性。
第二方面,本发明实施例还提供了一种图像处理装置,包括:
分区确定模块,用于对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区;
待评估属性确定模块,用于针对各待处理分区,根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性;其中,所述待识别信息包括骨髓水肿信息、髋关节积液信息以及股骨头形变信息中的至少一种;
目标评估属性确定模块,用于根据至少一个待处理分区所对应的待评估属性,确定与所述待处理图像相对应的目标评估属性。
第三方面,本发明实施例还提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的图像处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像处理方法。
本发明的有益之处在于:
本发明实施例的技术方案,通过对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区,通过对待处理图像进行分区处理,得到至少一个待处理分区,以在对各待处理分区进行评估后,基于与各待处理分区对应的待评估属性,对目标用户的病况程度进行评估。针对各待处理分区,根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性,具体的,在对各待处理分区进行病况评估时,可以根据待处理分区中是否存在骨髓水肿信息,以及当前分区中是否存在髋关节积液,以及髋关节积液的深度区域,对相应的待处理分区进行评估,得到相应的待评估属性,以基于待评估属性确定与各待处理分区相对应的病况程度。在此基础上,根据至少一个待处理分区所对应的待评估属性,确定与所述待处理图像相对应的目标评估属性,由于基于待处理图像进行病况评估时,将待处理图像进行分区处理,并分别对至少一个待处理分区进行病况程度评估,在最终确定与目标用户相对应的病况程度时,可以将各待处理分区所对应的待评估属性进行叠加处理,得到目标评估属性,以基于目标评估属性表征目标用户所对应的病况程度。解决了对就诊用户的髋关节部位的病况程度诊断效率低,且存在诊断结果不够准确的问题,通过对于髋关节部位对应的磁共振图像进行分区处理,得到至少一个待处理分区,并对各待处理分区分别进行病况程度的评估,以根据各待处理分区对应的待评估属性综合确定与髋关节部位对应的病况程度,实现了准确快速的对就诊用户的髋关节部位进行病况评估的效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,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是根据本发明实施例一提供的一种图像处理方法的流程图;
图2是本发明实施例一提供的一种正常髋关节部位的示意图;
图3是根据本发明实施例二提供的一种图像处理方法的流程图;
图4是根据本发明实施例二提供的待使用分区模板示意图;
图5是根据本发明实施例二提供的基于待使用分区模板对待处理图像进行区域划分的示意图;
图6是根据本发明实施例三提供的一种图像处理装置的结构示意图;
图7是实现本发明实施例的图像处理方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
实施例一
图1为本发明实施例一提供了一种图像处理方法的流程图,本实施例可适用于根据就诊用户的磁共振图像,快速准确的对就诊用户的髋关节部位的病况程度进行评估的情况,该方法可以由图像处理装置来执行,该图像处理装置可以采用硬件和/或软件的形式实现,该图像处理装置可配置于可执行图像处理方法的计算设备中。
如图1所示,该方法包括:
S110、对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区。
在本技术方案中,目标用户是指对髋关节部位进行磁共振拍摄,以根据磁共振图像对髋关节部位的病况程度进行评估的就诊用户。需要说明的是,目标用户的髋关节部位为左右对称分布,在对髋关节部位进行病况评估时可以分别对左右两侧的髋关节部位进行评估,在本技术方案中,将与左侧髋关节部位对应的髋关节图像或与右侧髋关节部位对应的髋关节图像作为待处理图像进行举例说明。
其中,待处理图像可以理解为包含目标用户的髋关节部位的磁共振图像,如图2所示,图2为正常髋关节部位的示意图,通过待处理图像中的STIR序列原始数据,可以清楚的对髋关节进行观察,并基于待处理图像确定髋关节部位的病况,以根据病况信息对髋关节部位进行诊断和治疗。可以理解的是,在待处理图像中包括髋关节区域、股骨头区域以及髋臼区域等。待处理分区是指对待处理图像进行分区处理后,得到的至少一个子区域。待处理分区包括与股骨头区域对应的待处理分区以及与髋臼区域对应的待处理分区。
具体的,基于磁共振设备对目标用户的髋关节部位进行拍摄,得到与目标用户相对应的待处理图像。进一步的,为了基于待处理图像对目标用户的髋关节进行病况评估,可选的,对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区。
S120、针对各待处理分区,根据与当前分区相对应的待识别信息,确定与当前分区相对应的待评估属性。
其中,待识别信息可以理解为对当前分区对应的部位进行病况评估的指标信息。待识别信息包括骨髓水肿信息、髋关节积液信息以及股骨头形变信息中的至少一种。待评估属性可以理解为用于表征目标用户与当前分区对应的部位所对应的病况严重程度的评估值。待评估属性越高,则表明当前分区的病况越严重,相应的,与当前分区相对应的部位越不健康;反之,待评估属性越低,则表明当前分区的病况越轻,相应的,该与当前分区对应的部位越健康。
进一步的,基于各待处理分区所对应的待评估属性可以快速准确的对目标用户的髋关节部位进行病况评估。
示例性地,对待处理图像进行分区处理后,可以得到与股骨头区域相对应的9个待处理分区,以及与髋臼区域相对应的3个待处理分区。进一步的,基于对待处理图像中的各待处理分区分别进行病况评估,得到相应的待评估属性,以基于各待评估属性实现对目标用户的髋关节部位的病况程度进行评估。
可选的,根据与当前分区相对应的待识别信息,确定与当前分区相对应的待评估属性,包括:对当前分区进行骨髓水肿检测,得到检测结果;若检测结果中包括至少一个骨髓水肿信息,则确定当前分区所对应的待评估属性为第一待评估属性;若待检测结果中未包括骨髓水肿信息,则确定与当前分区相对应的待评估属性为第二待评估属性。
其中,第一待评估属性和第二待评估属性可以理解为用于根据骨髓水肿信息时对当前分区的病况程度进行评估的评估值。若当前分区中包含至少一个骨髓水肿信息,则当前分区对应的评估属性为第一待评估属性,若当前分区中不包含骨髓水肿信息,则当前分区对应的评估属性为第二待评估属性。
在实际应用中,为了确定与当前分区相对应的待评估属性,可以根据当前分区内是否存在骨髓水肿信息,确定与当前分区相对应的待评估属性。
示例性地,本技术方案在对待处理图像进行分区处理时,可以基于预先设置的分区模板对待处理图像进行精细划分,得到至少一个待处理分区。以其中一个待处理分区为当前分区为例,根据当前分区中的各像素点对应的亮度信息,可以确定当前分区中是否存在骨髓水肿信息,如,设置亮度阈值,在当前分区内包括至少一个连通域,若连通域内至少一个像素点所对应的平均亮度大于亮度阈值,则可以确定当前分区内存在骨髓水肿信息。或者,也可以根据连通域内至少一个像素点的亮度信息,确定大于亮度阈值的像素点的数量,若该连通域内的大于亮度阈值的像素点数量大于预设像素点数量,则可以确定当前分区内存在骨髓水肿信息。进一步的,若当前分区内存在一个或多个骨髓水肿信息时,则确定当前分区所对应的评估属性为第一待评估属性,如,将第一待评估属性设置为“1”,若当前分区内不存在骨髓水肿信息,则确定当前分区对应的评估属性为第二待评估属性,如,将第二待评估属性设置为“0”。
可选的,根据与当前分区相对应的待识别信息,确定与当前分区相对应的待评估属性,包括:确定当前分区内的髋关节积液区域;根据髋关节积液区域所对应的参考轴线,从垂直于参考轴线的至少一个待选择垂线中确定目标垂线;根据目标垂线所对应的垂线长度信息,确定髋关节积液区域所对应的积液深度信息;根据积液深度信息确定与当前分区相对应的第三待评估属性。
在实际应用中,对当前分区进行髋关节积液检测,以确定当前分区内是否存在髋关节积液区域。若存在,则确定与髋关节积液区域对应的参考轴线。所谓参考轴线是指髋关节积液区域的边界线中距离最远的两个像素点之间的连线。例如,髋关节积液区域大致为椭圆形状时,则将椭圆形状区域所对应的长轴作为该区域的参考轴线。
进一步的,以参考轴线为基准,髋关节积液区域的边界线上的至少一个像素点分别向参考轴线作垂线,得到至少一个待选择垂线,并根据各待选择垂线所对应的像素点数量以及所述当前分区所对应的图像分辨率,确定与各待选择垂线相对应的垂线长度信息,将最长垂线长度所对应的待选择垂线作为目标垂线。其中,目标垂线的垂线长度信息是指目标垂线的总长度信息,以髋关节积液区域为椭圆形状为例,目标垂线是指椭圆形状的短轴,相应的,目标垂线的垂线长度信息为短轴的长度。
积液深度信息可以理解为用于表征当前分区所对应部位的异变程度的指标信息。第三待评估属性可以理解为在当前分区内存在髋关节积液时,用于表征当前分区所对应的部位的异变程度的评估值。
具体的,确定当前分区中是否存在髋关节积液区域,若存在,则需要进一步根据髋关节积液区域对当前分区进行异变度评估。具体而言,若在当前分区内存在一个髋关节积液区域,则将与该髋关节积液区域的边界线上距离最远的两个像素点之间的连线作为髋关节积液区域的参考轴线。进一步的,从髋关节积液区域的边界线上的各像素点向参考轴线作垂线,并将最长垂线所对应的待选择垂线作为目标垂线。在此基础上,根据目标垂线所对应的垂线长度信息,确定髋关节积液深度信息,以根据髋关节积液区域的积液深度信息确定与当前分区对应的第三待评估属性。
示例性地,将垂线长度信息作为积液深度信息,若积液深度信息处于0-1.9mm之间,则确定与当前分区相对应的第三待评估属性为“0”;若积液深度信息处于2-3.9mm之间,则确定与当前分区相对应的第三待评估属性为“1”;若积液深度信息大于或等于4mm,则确定与当前分区对应的第三待评估属性为“2”。
需要说明的是,若在当前分区内存在多个髋关节积液区域,则根据面积最大的髋关节积液区域对当前分区进行病况程度的评估。
S130、根据至少一个待处理分区所对应的待评估属性,确定与待处理图像相对应的目标评估属性。
其中,目标评估属性是指与目标用户的髋关节部位的病况程度相对应的评估值。
在实际应用中,根据至少一个待处理分区所对应的待评估属性,确定与待处理图像相对应的目标评估属性,包括:对至少一个待处理分区所对应的待评估属性进行叠加处理,得到与待处理图像相对应的目标评估属性。
示例性地,在待处理图像中共包括与股骨头相对应的9个待处理分区,以及与髋臼区域相对应的3个待处理分区。根据各待处理分区所对应的第一待评估属性、第二待评估属性和第三评估属性,确定与相应的待处理分区相对应的待评估属性,进一步的,将各评估属性进行叠加,得到目标评估属性。
以其中一个待处理分区为例,若在该待处理分区内包括骨髓水肿信息,则第一待评估属性为1,第二待评估属性为0,同时在该待处理分区内包括髋关节积液区域,且对应的第三待评估属性为2,则可以确定与该待处理分区相对应的待评估属性为3。
在分别确定各待处理分区所对应的待评估属性后,将各待处理分区的待评估属性进行叠加处理,得到目标评估属性。如,12个待处理分区的待评估属性分别为0、1、0、2、0、3、0、0、1、0、0和2,则与待处理图像相对应的目标评估属性为9。
基于此,根据待处理图像所对应的目标评估属性,可以确定与目标用户的髋关节部位相对应的病况程度。目标评估属性越高,则病况程度越严重,反之,目标评估属性越低,则病况程度越轻。
本发明实施例的技术方案,通过对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区,通过对待处理图像进行分区处理,得到至少一个待处理分区,以在对各待处理分区进行评估后,基于与各待处理分区对应的待评估属性,对目标用户的病况程度进行评估。针对各待处理分区,根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性,具体的,在对各待处理分区进行病况评估时,可以根据待处理分区中是否存在骨髓水肿信息,以及当前分区中是否存在髋关节积液,以及髋关节积液的深度区域,对相应的待处理分区进行评估,得到相应的待评估属性,以基于待评估属性确定与各待处理分区相对应的病况程度。在此基础上,根据至少一个待处理分区所对应的待评估属性,确定与所述待处理图像相对应的目标评估属性,由于基于待处理图像进行病况评估时,将待处理图像进行分区处理,并分别对至少一个待处理分区进行病况程度评估,在最终确定与目标用户相对应的病况程度时,可以将各待处理分区所对应的待评估属性进行叠加处理,得到目标评估属性,以基于目标评估属性表征目标用户所对应的病况程度。解决了对就诊用户的髋关节部位的病况程度诊断效率低,且存在诊断结果不够准确的问题,通过对于髋关节部位对应的磁共振图像进行分区处理,得到至少一个待处理分区,并对各待处理分区分别进行病况程度的评估,以根据各待处理分区对应的待评估属性综合确定与髋关节部位对应的病况程度,实现了准确快速的对就诊用户的髋关节部位进行病况评估的效果。
实施例二
图3为本发明实施例二提供的一种图像处理方法的流程图,可选的,对所述对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区进行细化。
如图3所示,该方法包括:
S210、基于预先设置的待使用分区模板,对待处理图像进行区域划分,得到至少一个待处理分区。
其中,待使用分区模板可以理解为用于对待处理图像进行图像区域分区的模板,参见图4,在待使用分区模板中包括与股骨头区域相对应的9个待处理分区,以及与髋臼区域相对应的3个待处理分区。
示例性地,在基于待处理图像进行分区处理时,可以基于预先设置的分区模板对待处理图像进行分区,得到至少一个待处理分区。在本技术方案中,至少一个待处理分区包括与股骨头区域相对应的9个扇区区域,以及与髋臼相对应的3个扇区区域。
可以理解的是,本技术方案中对待处理图像进行分区为举例说明,在实际应用中,对待处理图像进行分区时可以根据实际情况进行分区,如,在对股骨头区域进行分区时,所得到的待处理分区的数量不局限于9个扇区区域,相应的,对髋臼区域进行分区处理时,所得到的待处理分区的数量不局限于3个扇区区域。
具体的,基于预先设置的待使用分区模板,对待处理图像进行区域划分,得到至少一个待处理分区,包括:对处理子图像中的股骨头区域进行形变检测,得到与股骨头区域相对应的股骨头形变结果;根据股骨头形变结果,确定待使用分区模板在股骨头区域所对应的目标放置区域。
其中,股骨头形变结果包括股骨头未形变或股骨头形变。目标放置区域可以理解为待使用分区模板在待处理图像中的放置区域。
在实际应用中,在对待处理图像进行分区时,主要是依据预先设置的待使用分区模板,因此,需要根据实际需求预先设置待使用分区模板,以在将待处理分区模板放置在待处理图像中后,根据待处理分区模板确定待处理图像中与股骨头区域对应的9个待处理分区,以及与髋臼区域对应的3个待处理分区,参见图5。
需要说明的是,在目标用户处于的髋关节处于健康状态时,目标用户的股骨头部位在待处理图像中对应的股骨头区域的边缘通常较为平滑,也就是说,正常情况下,待处理图像中的股骨头区域为股骨头未变形。而当目标用户的股骨头部位出现异常时,在待处理图像中对应的股骨头区域在一定程度上会产生形变,如股骨头部位存在骨赘时,待处理图像中的股骨头区域的边缘将呈现参差不齐的凹凸状,也就是说,在股骨头区域所对应的形变结果为股骨头形变。
基于此,为了使得基于待使用分区模板更加准确的对待处理图像中的区域进行分区,在股骨头区域对应的股骨头形变结果不同时,待使用分区模板在待处理图像中的目标放置区域的要求也是不同的。
可选的,目标放置区域包括第一目标放置区域和第二目标放置区域,确定待使用分区模板在股骨头区域所对应的目标放置区域,包括:若股骨头形变结果为股骨头未形变,则将待使用分区模板在股骨头区域内的放置区域为第一目标放置区域;若股骨头形变结果为股骨头已形变,则根据形变面积占比确定待使用分区模板在股骨头区域内的放置区域为第二目标放置区域。
其中,第一目标放置区域中不包括骨赘或髋臼。
在实际应用中,在放置待使用分区模板时通常根据待处理图像中的股骨头区域确定待使用分区模板的位置。具体来说,首先要确定股骨头区域的中心位置,将待使用分区模板的中心位置与股骨头区域的中心位置对应,并根据股骨头区域的大小,对应调节待使用分区模板的尺寸大小,以确定待使用分区模板在待处理图像中的放置区域。但在实际操作过程中,股骨头区域的中心位置和待使用分区模板的中心位置并不是唯一的放置标准,还需要参考股骨头区域对应的股骨头形变结果,最终确定与待使用分区模板对应的目标放置区域。
具体的,若股骨头形变结果为股骨头未变形,则可以将待使用分区模板的中心放置在股骨头区域的中心位置,得到与待使用分区模板相对应的第一目标放置区域,并根据股骨头区域的大小调整待使用分区模板的尺寸大小。需要说明的是,在确定第一目标放置区域的大小时,需要将第一目标放置区域的大小调节至不包含髋臼和骨赘的大小。
在一个具体的例子中,若股骨头形变结果为股骨头未变形,则可以基于边缘轮廓提取算法提取股骨头区域的边缘轮廓,其中,在边缘轮廓中包括多个像素点,进一步的,利用灰度加权重心法确定边缘轮廓所对应的中心点坐标。
具体的,获取边缘轮廓内各个像素点的的位置坐标和灰度值,利用灰度加权重心法确定灰度重心坐标:
其中,x0和y0为股骨头区域图像的灰度重心坐标,xi和yi表示股骨头区域图像中包含的第i个像素点的位置坐标,fi表示股骨头区域中所包含的第i个像素的灰度值,i为大于或等于1且小于或等于n的整数,n为股骨头区域中所包含的像素点个数。
进一步的,将股骨头区域的边缘轮廓作为灰度加权的边界,通过股骨头区域内的像素的灰度值对像素位置进行加权处理,进而求出灰度重心作为股骨头区域的中心位置。相应的,在放置待使用分区模板时,可以将待使用分区模板的中心位置与股骨头区域的中心位置对应放置。
具体的,根据股骨头区域图像的灰度特征,确定该中心位置所对应的坐标(即,第一中心点坐标)的第一加权系数。首先,基于股骨头区域图像的灰度特征,获取中心位置所对应的中心点的灰度值以及像素边缘的边缘灰度值。根据中心位置的灰度值和边缘灰度值确定灰度分布等级,其中,灰度分布等级=(第一中心点的灰度值-边缘灰度值)/255。在确定股骨头区域内的各像素处的灰度分布等级后,对灰度分布等级进行归一化处理,得到与中心点位置对应的第一加权系数。具体而言,利用对构成亚像素级边缘的所有像素点进行椭圆最小二乘拟合,得到拟合椭圆。
其中,B、C、D、E和F均表示拟合椭圆所对应的椭圆方程的参数。通过最小二乘拟合可以求解这些参数,进而得到拟合椭圆的表达式。
根据拟合椭圆所对应的椭圆方程的参数,确定拟合椭圆的中心坐标。
具体地,在确定拟合椭圆所对应的椭圆方程的参数后,可以通过以下公式确定拟合椭圆的中心坐标:
其中,x'0和y'0为拟合椭圆的中心点坐标,B、C、D、E均为拟合椭圆所对应的方程的参数。
将(x'0,y'0)作为股骨头区域的第二中心点坐标,并确定第二中心点坐标的第二加权系数。
进一步的,第一中心点坐标和第二中心点坐标分别与对应的第一加权系数和第二加权系数相乘,再将乘积求和,即可得到股骨头区域的中心点坐标,即,与待使用分区模板的中心位置相对应的坐标点位置。
若股骨头形变结果为股骨头变形,为了实现对待处理图像的分区处理,在确定与待使用分区模板对应的第二目标放置区域时,可以允许在第二目标放置区域内存在少量的髋臼或骨赘。
在一个具体的例子中,若股骨头形变结果为股骨头变形,则可以将股骨头区域的质心点位置作为中心点位置,即,与待使用分区模板的中心点相对应的位置。
具体的,提取股骨头区域的边缘轮廓,并对图像边缘轮廓的每个像素点计算其股骨头区域的质心的欧式距离,形成距离集合G。进一步的,对距离集合G应用上下限阈值处理,得到集合H,并对集合H应用点数阈值处理,得到集合I,其中,I中的元素为具有8邻域连接关系的轮廓点集合。分别对集合I中的每个元素中的每个点应用特征点检测器计算响应,每个元素中响应最强的对应点的坐标,即为角点。其中,股骨头区域的边缘轮廓指的是一个集合D,D中的每个元素用序偶(x,y)表示,其中,x为横坐标,y为纵坐标。
股骨头区域的质心可以通过以下公式计算:
其中,N为局部区域的半径,xi表示股骨头区域的边缘轮廓上第i个像素点的横坐标,yi表示股骨头区域的边缘轮廓上第i个像素点的纵坐标,为股骨头区域的区域质心的横坐标,/>为股骨头区域质心的纵坐标。
基于此,可以确定股骨头区域的质心,并将求得的质心坐标所对应的位置作为待使用分区模板的中心点对应的位置。
需要说明的是,在确定与待使用分区模板时,若检测到髋臼或骨赘,则可以进一步的确定髋臼或骨赘的面积大小,在对第二目标放置区域进行区域大小的调节时,需要使得第二目标放置区域内的髋臼或骨赘尽量少。示例性地,可以预先设置髋臼或骨赘面积在第二目标放置区域内的面积占比,如,股骨头区域内的髋臼或骨赘在第二目标放置区域内的面积占比小于10%,以保证少量的髋臼或骨赘的存在不影响基于待使用分区模板对待处理图像进行分区,以及得到至少一个待处理分区后,在对各待处理分区进行异变度评估时,不影响对各待处理分区的评估准确度。
S220、针对各待处理分区,根据与当前分区相对应的待识别信息,确定与当前分区相对应的待评估属性。
S230、根据至少一个待处理分区所对应的待评估属性,确定与待处理图像相对应的目标评估属性。
本实施例的技术方案,基于预先设置的待使用分区模板,对待处理图像进行区域划分,得到至少一个待处理分区,通过判断待处理图像的股骨头区域是否存在形变,确定与待使用分区模板相对应的目标放置区域。具体的,若不存在股骨头形变,则将待使用分区模板的中心位置设置在股骨头区域的中心位置,并对待使用分区模板对应的放置区域进行区域约束,得到第一目标放置区域,即,在第一目标放置区域中不包括髋臼或骨赘。若存在股骨头形变,则确定待使用分区模板的目标放置区域为第二目标放置区域,并对待使用分区模板的尺寸大小进行调节,以使在第二目标放置区域中尽量少的包含髋臼或骨赘。通过在待处理图像中的股骨头区域的形变信息,更加准确的设置待使用分区模板在待处理图像中的放置位置,以实现更加准确的对待处理图像进行分区,得到至少一个待处理分区的效果。
实施例三
图6为本发明实施例三提供的一种图像处理装置的结构示意图。如图6所示,该装置包括:分区确定模块310、待评估属性确定模块320和目标评估属性确定模块330。
其中,分区确定模块310,用于对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区;
待评估属性确定模块320,用于针对各待处理分区,根据与当前分区相对应的待识别信息,确定与当前分区相对应的待评估属性;其中,待识别信息包括骨髓水肿信息、髋关节积液信息以及股骨头形变信息中的至少一种;
目标评估属性确定模块330,用于根据至少一个待处理分区所对应的待评估属性,确定与待处理图像相对应的目标评估属性。
本发明实施例的技术方案,通过对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区,通过对待处理图像进行分区处理,得到至少一个待处理分区,以在对各待处理分区进行评估后,基于与各待处理分区对应的待评估属性,对目标用户的病况程度进行评估。针对各待处理分区,根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性,具体的,在对各待处理分区进行病况评估时,可以根据待处理分区中是否存在骨髓水肿信息,以及当前分区中是否存在髋关节积液,以及髋关节积液的深度区域,对相应的待处理分区进行评估,得到相应的待评估属性,以基于待评估属性确定与各待处理分区相对应的病况程度。在此基础上,根据至少一个待处理分区所对应的待评估属性,确定与所述待处理图像相对应的目标评估属性,由于基于待处理图像进行病况评估时,将待处理图像进行分区处理,并分别对至少一个待处理分区进行病况程度评估,在最终确定与目标用户相对应的病况程度时,可以将各待处理分区所对应的待评估属性进行叠加处理,得到目标评估属性,以基于目标评估属性表征目标用户所对应的病况程度。解决了对就诊用户的髋关节部位的病况程度诊断效率低,且存在诊断结果不够准确的问题,通过对于髋关节部位对应的磁共振图像进行分区处理,得到至少一个待处理分区,并对各待处理分区分别进行病况程度的评估,以根据各待处理分区对应的待评估属性综合确定与髋关节部位对应的病况程度,实现了准确快速的对就诊用户的髋关节部位进行病况评估的效果。
可选的,分区确定模块包括:分区确定子模块,用于基于预先设置的待使用分区模板,对待处理图像进行区域划分,得到至少一个待处理分区;其中,待处理分区包括至少一个与股骨头相对应的图像分区以及至少一个与髋臼相对应的图像分区。
可选的,分区确定子模块包括:形变结果确定单元,用于对处理子图像中的股骨头区域进行形变检测,得到与股骨头区域相对应的股骨头形变结果;其中,股骨头形变结果包括股骨头未形变或股骨头形变;
放置区域确定单元,用于根据股骨头形变结果,确定待使用分区模板在股骨头区域所对应的目标放置区域。
可选的,放置区域确定单元包括:第一确定子单元,用于若股骨头形变结果为股骨头未形变,则将待使用分区模板在股骨头区域内的放置区域为第一目标放置区域;其中,第一目标放置区域中不包括骨赘或髋臼;
第二确定子单元,用于若股骨头形变结果为股骨头已形变,则根据形变面积占比确定待使用分区模板在股骨头区域内的放置区域为第二目标放置区域。
可选的,待评估属性确定模块包括:检测子模块,用于对当前分区进行骨髓水肿检测,得到检测结果;
第一待评估属性确定子模块,用于若检测结果中包括至少一个骨髓水肿信息,则确定当前分区所对应的待评估属性为第一待评估属性;
第二待评估属性确定子模块,用于若待检测结果中未包括骨髓水肿信息,则确定与当前分区相对应的待评估属性为第二待评估属性。
可选的,待评估属性确定模块:积液区域确定子模块,用于确定当前分区内的髋关节积液区域;
目标垂线确定子模块,用于根据髋关节积液区域所对应的参考轴线,从垂直于参考轴线的至少一个待选择垂线中确定目标垂线;
深度信息确定子模块,用于根据目标垂线所对应的垂线长度信息,确定髋关节积液区域所对应的积液深度信息;
第三待评估属性确定子模块,用于根据积液深度信息确定与当前分区相对应的第三待评估属性。
可选的,目标评估属性确定模块,用于对至少一个待处理分区所对应的待评估属性进行叠加处理,得到与待处理图像相对应的目标评估属性。
本发明实施例所提供的图像处理装置可执行本发明任意实施例所提供的图像处理方法,具备执行方法相应的功能模块和有益效果。
实施例四
图7示出了本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如图像处理方法。
在一些实施例中,图像处理方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的图像处理方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的图像处理方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区;
针对各待处理分区,根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性;其中,所述待识别信息包括骨髓水肿信息、髋关节积液信息以及股骨头形变信息中的至少一种;
根据至少一个待处理分区所对应的待评估属性,确定与所述待处理图像相对应的目标评估属性。
2.根据权利要求1所述的方法,其特征在于,所述对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区,包括:
基于预先设置的待使用分区模板,对所述待处理图像进行区域划分,得到至少一个待处理分区;其中,所述待处理分区包括至少一个与股骨头相对应的图像分区以及至少一个与髋臼相对应的图像分区。
3.根据权利要求2所述的方法,其特征在于,所述基于预先设置的待使用分区模板,对所述待处理图像进行区域划分,得到至少一个待处理分区,包括:
对所述处理子图像中的股骨头区域进行形变检测,得到与所述股骨头区域相对应的股骨头形变结果;其中,所述股骨头形变结果包括股骨头未形变或股骨头形变;
根据所述股骨头形变结果,确定所述待使用分区模板在所述股骨头区域所对应的目标放置区域。
4.根据权利要求3所述的方法,其特征在于,所述目标放置区域包括第一目标放置区域和第二目标放置区域,所述确定所述待使用分区模板在所述股骨头区域所对应的目标放置区域,包括:
若所述股骨头形变结果为所述股骨头未形变,则将所述待使用分区模板在所述股骨头区域内的放置区域为所述第一目标放置区域;其中,所述第一目标放置区域中不包括骨赘或髋臼;
若所述股骨头形变结果为所述股骨头已形变,则根据形变面积占比确定所述待使用分区模板在所述股骨头区域内的放置区域为所述第二目标放置区域。
5.根据权利要求1所述的方法,其特征在于,所述根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性,包括:
对所述当前分区进行骨髓水肿检测,得到检测结果;
若所述检测结果中包括至少一个骨髓水肿信息,则确定所述当前分区所对应的待评估属性为第一待评估属性;
若所述待检测结果中未包括所述骨髓水肿信息,则确定与所述当前分区相对应的待评估属性为第二待评估属性。
6.根据权利要求1所述的方法,其特征在于,所述根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性,包括:
确定所述当前分区内的髋关节积液区域;
根据所述髋关节积液区域所对应的参考轴线,从垂直于所述参考轴线的至少一个待选择垂线中确定目标垂线;
根据所述目标垂线所对应的垂线长度信息,确定所述髋关节积液区域所对应的积液深度信息;
根据所述积液深度信息确定与所述当前分区相对应的第三待评估属性。
7.根据权利要求6所述的方法,其特征在于,所述根据至少一个待处理分区所对应的待评估属性,确定与所述待处理图像相对应的目标评估属性,包括:
对至少一个待处理分区所对应的待评估属性进行叠加处理,得到与所述待处理图像相对应的目标评估属性。
8.一种图像处理装置,其特征在于,包括:
分区确定模块,用于对与目标用户相对应的待处理图像进行分区处理,得到至少一个待处理分区;
待评估属性确定模块,用于针对各待处理分区,根据与当前分区相对应的待识别信息,确定与所述当前分区相对应的待评估属性;其中,所述待识别信息包括骨髓水肿信息、髋关节积液信息以及股骨头形变信息中的至少一种;
目标评估属性确定模块,用于根据至少一个待处理分区所对应的待评估属性,确定与所述待处理图像相对应的目标评估属性。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像处理方法。
10.一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指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310688344.5A CN116958047A (zh) | 2023-06-12 | 2023-06-12 | 一种图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310688344.5A CN116958047A (zh) | 2023-06-12 | 2023-06-12 | 一种图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116958047A true CN116958047A (zh) | 2023-10-27 |
Family
ID=88451930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310688344.5A Pending CN116958047A (zh) | 2023-06-12 | 2023-06-12 | 一种图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116958047A (zh) |
-
2023
- 2023-06-12 CN CN202310688344.5A patent/CN116958047A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117372663A (zh) | 原木端面遮挡的补全方法、装置、设备及存储介质 | |
CN116958047A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN116012859A (zh) | 基于清晰度指标的文本图像拒识判断方法、装置及设备 | |
CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
CN116798104A (zh) | 瞳孔检测方法、装置、设备及存储介质 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN116503407B (zh) | 图像中异物区域的检测方法、装置及电子设备 | |
CN115994898B (zh) | 一种纵膈占位病变图像检测方法、装置、设备及存储介质 | |
CN116109991B (zh) | 模型的约束参数确定方法、装置及电子设备 | |
CN116823924B (zh) | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 | |
CN116597209A (zh) | 一种图像分类方法、装置、设备及存储介质 | |
CN116580041B (zh) | 基于voronoi图的角膜内皮细胞边界分割方法和装置 | |
CN116883488B (zh) | 一种圆形管的中心位置确定方法、装置、设备及介质 | |
CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN115237289B (zh) | 热区范围确定方法、装置、设备及存储介质 | |
CN117746189A (zh) | 一种动脉瘤识别模型训练方法、装置、设备及介质 | |
CN114463386A (zh) | 一种视觉跟踪方法、装置、设备及存储介质 | |
CN117808775A (zh) | 一种缺陷层级的确定方法、装置、电子设备及存储介质 | |
CN116596941A (zh) | 一种图像分割方法、装置、设备及存储介质 | |
CN118191935A (zh) | 基于边缘检测的断层识别方法、装置、电子设备和介质 | |
CN117764913A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN116844218A (zh) | 眼皮检测方法、装置、设备及存储介质 | |
CN115880237A (zh) | 一种车用钢板合格检测方法、装置、设备及存储介质 | |
CN117274361A (zh) | 一种物料表面积测量方法、装置、电子设备以及介质 | |
CN118229990A (zh) | 淋巴结转移预测结果方法、装置及介质 |
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 |