(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211342069.3 (22)申请日 2022.10.31 (71)申请人 杭州三坛医疗科技有限公司 地址 310030 浙江省杭州市西湖区三墩镇 西园九路8号3幢E座7楼701室 (72)发明人 沈丽萍　牛乾　李明　高广文　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 专利代理师 刘洋　孙翠贤 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/40(2022.01) (54)发明名称 一种图像处 理方法、 装置及电子设备 (57)摘要 本发明实施例提供了一种图像处理方法、 装 置及电子设备， 应用于图像处理技术领域。 获取 目标X光图像； 将目标X光图像输入图像处理模 型； 其中， 图像处理模型包括： 基于多张第一类训 练样本图像训练得到的第一子模型和基于多组 第二类训练样本图像训练得到的第二子模型； 获 取第一子模 型输出的关于目标X光图像的图像分 类结果和第二子模型输出的关于目标X光图像的 图像处理结果； 其中， 图像分类结果是用于表征 目标X光图像中是否具有Mark球 图像的结果； 图 像处理结果是不具有Mark球图像的 图像。 与现有 技术相比， 应用本发明实施例提供的方案， 可 以 提高图像的处 理效果。 权利要求书3页 说明书15页 附图3页 CN 115424082 A 2022.12.02 CN 115424082 A 1.一种图像处 理方法， 其特 征在于， 所述方法包括： 获取目标 X光图像； 将所述目标X光图像输入图像处理模型； 其中， 所述图像处理模型包括： 基于多张第一 类训练样本图像训练得到的第一子模型和基于多组第二类训练样本图像训练得到的第二 子模型； 所述第一类训练样本图像包括： 具有Mark球图像的第一样本图像和不具有Mark球 图像的第二样本图像； 每组所述第二类训练样本图像包括： 关于目标对象的具有Mark球图 像的第三样本图像和关于所述目标对象的不具有Mar k球图像的第四样 本图像； 所述第一样 本图像、 所述第三样本图像和所述第四样本图像为X光图像； 获取所述第 一子模型输出的关于所述目标X光图像的图像分类结果和所述第 二子模型 输出的关于所述目标X光图像的图像处理结果； 其中， 所述图像 分类结果是用于表征所述目 标X光图像中是否具有Mark球图像的结果； 所述图像处 理结果是不具有Mark球图像的图像。 2.根据权利要求1所述的方法， 其特 征在于， 所述图像处 理模型的训练方式， 包括： 获取多张第一类训练样本图像和多组第二类训练样本图像； 利用所述多 张第一类训练样本图像对预设的第 一初始子模型进行训练， 并利用所述多 组第二类训练样本图像对预设的第二初始子模型进行训练； 当所述第一初始子模型和所述第二初始子模型满足预设条件时， 停止训练， 得到所述 图像处理模型。 3.根据权利要求2所述的方法， 其特征在于， 所述图像处理模型还包括： 图像特征提取 模块； 在所述利用所述多 张第一类训练样本图像对预设的第 一初始子模型进行训练， 并利用 所述多组第二类训练样本图像对预设的第二初始子模型进行训练之前， 所述方式还 包括： 利用所述图像特 征提取模块， 提取 各个样本图像的目标图像特 征； 所述利用所述多 张第一类训练样本图像对预设的第 一初始子模型进行训练， 并利用所 述多组第二类训练样本图像对预设的第二初始子模型进行训练， 包括： 利用各个第一类训练样本 图像的目标图像特征， 对预设的初始第一子模型进行训练， 并利用各个第二类训练样本图像的目标图像特 征对预设的初始第二子模型进行训练。 4.根据权利要求3所述的方法， 其特征在于， 所述图像特征提取模块包括卷积层， 所述 利用所述图像特 征提取模块， 提取 各个样本图像的目标图像特 征， 包括： 利用所述卷积层， 提取每 个样本图像的图像特 征， 得到每 个样本图像的特 征图像； 对每个样本图像的特征图像进行下采样， 并利用所述卷积层对下采样后的特征图像进 行特征提取， 得到所述卷积层的各个卷积通道的第一特 征提取结果； 对每个样本图像的特征图像进行上采样， 并利用所述卷积层对上采样后的特征图像进 行特征提取， 得到所述卷积层的各个卷积通道的第二特征提取结果； 其中， 每个样本图像的 上采样后的特 征图像的尺寸与该样本图像的尺寸相同； 针对每个样本图像， 将同一卷积通道的第 一特征提取结果和第 二特征提取结果进行叠 加， 得到该样本图像的目标图像特 征。 5.根据权利要求1所述的方法， 其特征在于， 所述获取所述第 一子模型输出的关于所述 目标X光图像的图像分类结果和所述第二子模型输出 的关于所述 目标X光图像的图像处理 结果， 包括：权　利　要　求　书 1/3 页 2 CN 115424082 A 2获取所述第 一子模型输出的用于表征所述目标X光图像具有Mark球图像的第一类分类 结果以及所述第二子模型输出的对所述目标X光图像进 行图像处理后的不具有Mark球图像 的所述目标 X光图像， 作为图像处 理结果； 或者， 获取所述第 一子模型输出的用于表征所述目标X光图像不具有Mark球图像的第二类分 类结果以及所述第二子模型输出的所述目标 X光图像， 作为图像处 理结果。 6.一种图像处 理装置， 其特 征在于， 所述装置包括： 图像获取模块， 用于获取目标 X光图像； 输入模块， 用于将所述目标X光图像输入图像处理模型； 其中， 所述图像处理模型包括： 基于多张第一类训练样本图像训练得到的第一子模型和基于多组第二类训练样本图像训 练得到的第二子模型； 所述第一类训练样本图像包括： 具有Mark球图像的第一样本图像和 不具有Mark球图像的第二样本图像； 每组所述第二类训练样本图像包括： 关于目标对象的 具有Mark球图像的第三样本图像和关于所述目标对象的不具有Mark球图像的第四样本图 像； 所述第一样本图像、 所述第三样本图像和所述第四样本图像为X光图像； 结果获取模块， 用于获取所述第一子模型输出的关于所述目标X光图像的图像分类结 果和所述第二子模型输出的关于所述目标X光图像的图像处理结果； 其中， 所述图像分类结 果是用于表征所述目标X光图像中是否具有Mark球图像的结果； 所述图像处理结果是不具 有Mark球图像的图像。 7.根据权利要求6所述的装置， 其特征在于， 所述装置还包括图像处理模型训练模块， 所述图像处 理模型训练模块， 包括： 样本图像获取子模块， 用于获取多张第一类训练样本图像和多组第二类训练样本图 像； 训练子模块， 用于利用所述多 张第一类训练样本图像对预设的第 一初始子模型进行训 练， 并利用所述多组第二类训练样本图像对预设的第二初始子模型进行训练； 模型生成子模块， 用于当所述第一初始子模型和所述第二初始子模型满足预设条件 时， 停止训练， 得到所述图像处 理模型。 8.根据权利要求7所述的装置， 其特征在于， 所述图像处理模型还包括： 图像特征提取 模块； 所述图像处 理模型训练模块， 还 包括： 特征提取子模块， 用于在利用所述多 张第一类训练样本图像对预设的第 一初始子模型 进行训练， 并利用所述多组第二类训练样本图像对预设的第二初始子模型进行训练之前， 利用所述图像特 征提取模块， 提取 各个样本图像的目标图像特 征； 所述训练子模块， 具体用于： 利用各个第一类训练样本 图像的目标图像特征， 对预设的初始第一子模型进行训练， 并利用各个第二类训练样本图像的目标图像特 征对预设的初始第二子模型进行训练。 9.根据权利要求8所述的装置， 其特征在于， 所述图像特征提取模块包括卷积层， 所述 特征提取子模块， 具体用于： 利用所述卷积层， 提取每 个样本图像的图像特 征， 得到每 个样本图像的特 征图像； 对每个样本图像的特征图像进行下采样， 并利用所述卷积层对下采样后的特征图像进 行特征提取， 得到所述卷积层的各个卷积通道的第一特 征提取结果；权　利　要　求　书 2/3 页 3 CN 115424082 A 3