【技術實現(xiàn)步驟摘要】
本申請涉及圖像分析領域，具體而言，涉及一種器官的病變檢測方法、裝置、處理器和程序產(chǎn)品。
技術介紹
1、目前，針對病灶的臨床識別，以及病灶的嚴重程度的評估，通常是依賴于臨床醫(yī)生對器官圖像進行肉眼判斷并粗略評估，評估準確性完全依賴于醫(yī)生個人的經(jīng)驗，且待診斷器官的器官圖像呈現(xiàn)爆炸式增長，極大地增強了醫(yī)生的工作量，因此，上述方法存在識別圖像的效率低的技術問題。
2、針對上述的問題，目前尚未提出有效的解決方案。
技術實現(xiàn)思路
1、本申請實施例提供了一種器官的病變檢測方法、裝置、處理器和程序產(chǎn)品，以至少解決圖像的識別效率低的技術問題。
2、根據(jù)本申請實施例的一個方面，提供了一種器官的病變檢測方法，該方法可以包括：獲取目標生物對象中待診斷器官的器官圖像；對器官圖像進行識別，得到識別結果；響應于識別結果為器官圖像為目標圖像，基于器官圖像，確定待診斷器官上處于異常狀態(tài)的密度區(qū)域，以及密度區(qū)域的形狀，其中，目標圖像中的器官為病變器官；基于密度區(qū)域和形狀，確定待診斷器官的病變結果，其中，病變結果用于表示待診斷器官出現(xiàn)病變的程度。
3、可選地，對器官圖像進行識別，得到識別結果，包括：調(diào)用圖像識別模型對器官圖像進行識別，得到識別結果，其中，圖像識別模型為基于多個尺寸的歷史器官圖像訓練得到。
4、可選地，該方法還可以包括：將歷史器官圖像輸入至初始圖像識別模型中進行特征提取，得到陰影像素特征；對歷史器官圖像中的病變器官的病變區(qū)域進行標定；利用陰影像素特征和標定后的
5、可選地，利用陰影像素特征和標定后的歷史器官圖像，對初始圖像識別模型的模型參數(shù)進行調(diào)整，得到圖像識別模型，包括：構建多維訓練損失函數(shù)，其中，多維訓練損失函數(shù)用于調(diào)整初始圖像識別模型輸出的陰影像素特征；利用多維訓練損失函數(shù)、陰影像素特征和標定后的歷史器官圖像，對初始圖像識別模型的模型參數(shù)進行調(diào)整，得到圖像識別模型。
6、可選地，基于密度區(qū)域和形狀，確定待診斷器官的病變結果，包括：基于密度區(qū)域和形狀，對器官圖像進行分類，得到分類結果；將分類結果，確定為待診斷器官的病變結果。
7、可選地，基于密度區(qū)域和形狀，對器官圖像進行分類，得到分類結果，包括：獲取病變器官對應的病變密度區(qū)域，以及病變器官對應的病變形狀；基于病變密度區(qū)域和病變形狀，對密度區(qū)域和形狀進行分類，得到分類結果。
8、可選地，對器官圖像進行識別之前，該方法還可以包括：對器官圖像進行灰度校正，得到校正圖像；對校正圖像進行偽影去除，得到標準圖像；對標準圖像進行分割處理，得到器官圖像。
9、根據(jù)本申請實施例的另一方面，還提供了一種器官的病變檢測裝置，該裝置可以包括：獲取單元，用于獲取目標生物對象中待診斷器官的器官圖像；識別單元，用于對器官圖像進行識別，得到識別結果；第一確定單元，用于響應于識別結果為器官圖像為目標圖像，基于器官圖像，確定待診斷器官上處于異常狀態(tài)的密度區(qū)域，以及密度區(qū)域的形狀，其中，目標圖像中的器官為病變器官；第二確定單元，用于基于密度區(qū)域和形狀，確定待診斷器官的病變結果，其中，病變結果用于表示待診斷器官出現(xiàn)病變的程度。
10、根據(jù)本申請實施例的另一方面，還提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)包括存儲的程序，其中，在程序運行時控制該計算機可讀存儲介質(zhì)所在設備執(zhí)行本申請實施例的器官的病變檢測方法。
11、根據(jù)本申請實施例的另一方面，還提供了一種處理器，該處理器用于運行程序，其中，程序被該處理器運行時執(zhí)行本申請實施例的器官的病變檢測方法。
12、根據(jù)本申請實施例的另一方面，還提供了一種計算機程序產(chǎn)品，該計算機程序產(chǎn)品包括計算機指令，其中，該計算機指令被處理器執(zhí)行時實現(xiàn)本申請實施例的器官的病變檢測方法。
13、在本申請實施例中，獲取目標生物對象中待診斷器官的器官圖像；對器官圖像進行識別，得到識別結果；響應于識別結果為器官圖像為目標圖像，基于器官圖像，確定待診斷器官上處于異常狀態(tài)的密度區(qū)域，以及密度區(qū)域的形狀，其中，目標圖像中的器官為病變器官；基于密度區(qū)域和形狀，確定待診斷器官的病變結果，其中，病變結果用于表示待診斷器官出現(xiàn)病變的程度。也就是說，在本申請實施例中，獲取待診斷的器官圖像，并對器官圖像進行識別，如果器官圖像為存在病變的目標圖像，則可以基于器官圖像，確定待診斷器官上處于異常狀態(tài)的密度區(qū)域(也即，異常密度區(qū)域)和異常密度區(qū)域的形狀。通過對異常密度區(qū)域和形狀進行識別，可以確定待診斷器官的病變結果，該病變結果可以用于確定待診斷器官出現(xiàn)病變的程度，從而解決了圖像的識別效率低的技術問題，實現(xiàn)了提高圖像的識別效率的技術效果。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種器官的病變檢測方法，其特征在于，包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述對所述器官圖像進行識別，得到識別結果，包括：
3.根據(jù)權利要求2所述的方法，其特征在于，所述方法還包括：
4.根據(jù)權利要求3所述的方法，其特征在于，所述利用所述陰影像素特征和標定后的所述歷史器官圖像，對所述初始圖像識別模型的模型參數(shù)進行調(diào)整，得到所述圖像識別模型，包括：
5.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述密度區(qū)域和所述形狀，確定所述待診斷器官的病變結果，包括：
6.根據(jù)權利要求5所述的方法，其特征在于，所述基于所述密度區(qū)域和所述形狀，對所述器官圖像進行分類，得到分類結果，包括：
7.根據(jù)權利要求1至6中任意一項所述的方法，其特征在于，所述對所述器官圖像進行識別之前，所述方法還包括：
8.一種器官的病變檢測裝置，其特征在于，包括：
9.一種處理器，其特征在于，所述處理器用于運行程序，其中，所述程序被所述處理器運行時執(zhí)行權利要求1至7中任意一項所述的方法。
10.一
...【技術特征摘要】
1.一種器官的病變檢測方法，其特征在于，包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述對所述器官圖像進行識別，得到識別結果，包括：
3.根據(jù)權利要求2所述的方法，其特征在于，所述方法還包括：
4.根據(jù)權利要求3所述的方法，其特征在于，所述利用所述陰影像素特征和標定后的所述歷史器官圖像，對所述初始圖像識別模型的模型參數(shù)進行調(diào)整，得到所述圖像識別模型，包括：
5.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述密度區(qū)域和所述形狀，確定所述待診斷器官的病變結果，包括：
6.根據(jù)權利要求...
【專利技術屬性】
技術研發(fā)人員：羅文，王君，丁宇，王佳，朱鋒仁，穆敏，
申請(專利權)人：國能神東煤炭集團有限責任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。