一种图像处理方法、装置、计算机设备及存储介质

技术领域

本公开涉及机器学习技术领域，具体而言，涉及一种图像处理方法、装置、计算机设备及存储介质。

背景技术

深度学习(DeepLearning，DL)是指通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示的方法，可以对图像、文字、声音等信息进行特征识别，并基于识别特征对信息中包含的内容做出解释，具有广泛的应用场景。例如，在医学领域中，可以利用深度学习算法对医学影像进行处理，获得图像反映的具体信息。目前，利用深度学习算法对医学影像进行处理，存在效率较低的问题。

发明内容

本公开实施例至少提供一种图像处理方法、装置、计算机设备及存储介质。

第一方面，本公开实施例提供了一种图像处理方法，包括：获取第一目标对象的第一图像；获取所述第一图像中的目标区域的区域尺寸信息；获取第二目标对象在所述目标区域中的第一位置信息；基于所述区域尺寸信息以及所述第一位置信息，确定第一特征数据，所述第一特征数据包括所述第二目标对象相对于所述目标区域的位置关系的数据；以及基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位信息。

这样，基于第一目标对象和第二目标对象之间相对位置关系确定第二目标对象在第一目标对象中的具体位置的方法，利用了人体本身的生理结构，可以快速从图像中确定第二目标对象的具体位置，具有更高的效率。

一种可选的实施方式中，所述基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位信息，包括：基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位的第一部位信息，其中，所述目标部位包括多个子部位；以及基于所述第一特征数据以及所述第一部位信息，从所述多个子部位中确定所述第二目标对象所在目标子部位的第二部位信息，作为所述目标部位信息。

这样，通过分步法确定目标对象在所述第一目标对象的目标部位信息，可靠性更高。

一种可选的实施方式中，所述获取第一目标对象的第一图像，包括基于预设分辨率对所述第一图像进行重采样。

这样，将第一图像重采样至预设的分辨率下，减少了基于第一图像确定第一目标对象和第二目标对象的相对位置关系时的运算量，运算负荷更小，效率更高。

一种可选的实施方式中，所述获取所述第一图像中的目标区域的区域尺寸信息，包括：基于重采样的第一图像，确定所述目标区域的区域尺寸信息。

一种可选的实施方式中，所述获取第二目标对象在所述目标区域中的第一位置信息，包括：获取所述第二目标对象在所述第一图像中的第二位置信息；以及基于所述目标区域在所述第一图像中的第三位置信息以及所述第二目标对象的第二位置信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的所述第一位置信息。

这样，将第一目标对象在第一图像中的位置信息转换至区域坐标系下，有利于表征第二目标对象在第一目标对象中的具体位置。

一种可选的实施方式中，所述基于所述目标区域在所述第一图像中的第三位置信息以及所述第二目标对象的第二位置信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的所述第一位置信息，包括：基于所述目标区域在所述第一图像中的第三位置信息以及所述第一图像，确定所述区域坐标系和基于所述第一图像建立的世界坐标系之间的转换关系信息；以及基于所述第二目标对象在所述第一图像中的第二位置信息以及所述转换关系信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的第一位置信息。

这样，通过将世界坐标下的位置信息均转换至区域坐标系下，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的第一位置信息的方式，避免了坐标系中可能存在的包含负值的运算，简化图像处理的复杂度。

一种可选的实施方式中，所述区域尺寸信息包括下述至少一种：所述目标区域的区域高度、区域宽度、区域深度以及区域中心线长度。

一种可选的实施方式中，所述第一位置信息包括：所述第二目标对象的中心点在基于所述目标区域建立的区域坐标系中的三维位置信息以及所述中心点与所述区域坐标系原点之间的距离。

这样，通过上述第一位置信息，可以确定第二目标对象在区域坐标系的具体位置，提高了后续确定第一特征数据时的准确性，从而提高了后续确定第一部位信息及第二部位信息时的准确性。

一种可选的实施方式中，基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位的第一部位信息，包括：利用第一分类器，对所述第一特征数据进行分类处理，得到所述第二目标对象在所述第一目标对象中的所述目标部位的所述第一部位信息。

这样，利用第一分类器对第一特征数据进行分类处理获取第一部位信息，运算难度更低，且结果更为准确。

一种可选的实施方式中，所述基于所述第一特征数据以及所述第一部位信息，从所述多个子部位中确定所述第二目标对象所在目标子部位的第二部位信息，包括：基于所述第一特征数据以及所述第一部位信息，构成第二特征数据；利用第二分类器，对所述第二特征数据进行分类处理，得到所述第二目标对象所在所述目标子部位的第二部位信息。

这样，利用第一分类器的分类结果和第一特征数据构成第二特征数据，并利用第二分类器基于第二特征数据，确定第二目标对象在目标子部位中的第二部位信息，处理速度快，且结果更为准确。

一种可选的实施方式中，基于所述区域尺寸信息以及所述第一位置信息，确定第一特征数据，包括：基于所述区域尺寸信息，对所述第一位置信息进行归一化处理，得到所述第一特征数据。

这样，将第一图像中的第一目标对象归一化至较为统一的尺寸下，减小了由于不同个体的差异导致的在确定第二目标对象在第一目标对象中具体位置时的误差。

第二方面，本公开实施例还提供一种图像处理装置，包括：

第一获取模块，用于获取第一目标对象的第一图像；

第二获取模块，用于获取所述第一图像中的目标区域的区域尺寸信息；

第三获取模块，用于获取第二目标对象在所述目标区域中的第一位置信息；

确定模块，用于基于所述区域尺寸信息以及所述第一位置信息，确定第一特征数据，所述第一特征数据包括所述第二目标对象相对于所述目标区域的位置关系的数据；以及基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位信息。

一种可选的实施方式中，所述确定模块在基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位信息时，用于：基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位的第一部位信息，其中，所述目标部位包括多个子部位；以及基于所述第一特征数据以及所述第一部位信息，从所述多个子部位中确定所述第二目标对象所在目标子部位的第二部位信息，作为所述目标部位信息。

一种可选的实施方式中，所述第一获取模块在获取第一目标对象的第一图像时，用于基于预设分辨率对所述第一图像进行重采样。

一种可选的实施方式中，所述第二获取模块在获取所述第一图像中的目标区域的区域尺寸信息时，用于：基于重采样的第一图像，确定所述目标区域的区域尺寸信息。

一种可选的实施方式中，所述第三获取模块在获取第二目标对象在所述目标区域中的第一位置信息时，用于：获取所述第二目标对象在所述第一图像中的第二位置信息；以及基于所述目标区域在所述第一图像中的第三位置信息以及所述第二目标对象的第二位置信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的所述第一位置信息。

一种可选的实施方式中，所述第三获取模块在基于所述目标区域在所述第一图像中的第三位置信息以及所述第二目标对象的第二位置信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的所述第一位置信息时，用于：基于所述目标区域在所述第一图像中的第三位置信息以及所述第一图像，确定所述区域坐标系和基于所述第一图像建立的世界坐标系之间的转换关系信息；以及基于所述第二目标对象在所述第一图像中的第二位置信息以及所述转换关系信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的第一位置信息。

一种可选的实施方式中，所述区域尺寸信息包括下述至少一种：所述目标区域的区域高度、区域宽度、区域深度以及区域中心线长度。

一种可选的实施方式中，所述第一位置信息包括：所述第二目标对象的中心点在基于所述目标区域建立的区域坐标系中的三维位置信息以及所述中心点与所述区域坐标系原点之间的距离。

一种可选的实施方式中，所述确定模块在基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位的第一部位信息时，用于：利用第一分类器，对所述第一特征数据进行分类处理，得到所述第二目标对象在所述第一目标对象中的所述目标部位的所述第一部位信息。

一种可选的实施方式中，所述确定模块在基于所述第一特征数据以及所述第一部位信息，从所述目标部位中的多个子部位中确定所述第二目标对象所在目标子部位的第二部位信息时，用于：基于所述第一特征数据以及所述第一部位信息，构成第二特征数据；利用第二分类器，对所述第二特征数据进行分类处理，得到所述第二目标对象所在所述目标子部位的所述第二部位信息。

一种可选的实施方式中，所述确定模块在基于所述区域尺寸信息以及所述第一位置信息，确定第一特征数据时，用于：基于所述区域尺寸信息，对所述第一位置信息进行归一化处理，得到所述第一特征数据。

第三方面，本公开可选实现方式还提供一种计算机设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

第四方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

关于上述图像处理装置、计算机设备及存储介质的效果描述参见上述图像处理方法的说明，这里不再赘述。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，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。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本公开实施例所提供的一种图像处理方法的流程图；

图2(a)示出了本公开实施例所提供的一种第一图像的示意图；

图2(b)示出了本公开实施例提供的一种指示目标区域的最小包围框在二维平面上的投影框的示意图：

图3示出了本公开实施例所提供的图像处理方法中，一种对肺CT进行图像处理的具体方法的流程图；

图4示出了本公开实施例所提供的一种图像处理装置的示意图；

图5示出了本公开实施例所提供的一种计算机设备的示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

经研究发现，在现代医学中，通常利用深度学习模型对医学影像进行处理。在利用深度学习模型对医学影像进行处理时，利用神经网络提取医学影像的图像特征，并依据图像特征确定目标对象在器官中的具体位置，由于神经网络对图像进行处理的速度慢，且需要处理的数据量较多，因此效率较低。

另外，为了能够区分人体器官中的不同部位，通常会对人体器官进行多层次结构的划分。例如对于人体的肺实质而言，具有5大肺叶，5大肺叶又被细分为18个肺段，在基于医学影像确定目标对象在人体器官中的位置时，当前通常采用深度学习算法提取医学影像的图像特征，并基于提取的图像特征，确定目标对象在人体器官中的具体位置。由于医学影像通常是采用对人体进行断层扫描的方式获取的、以及人体器官结构的复杂性造成在医学影像中属于同一器官组织的不同部位会出现重叠的现象，导致了利用深度学习模型对医学影像进行处理，确定目标对象在器官中的具体位置时，存在准确度低的问题。

基于上述研究，本公开提供了一种图像处理方法、装置、计算机设备及存储介质，利用了第一目标对象和第二目标对象之间相对位置关系确定第二目标对象在第一目标对象中的具体位置，其利用了人体本身的生理结构，来快速从图像中确定第二目标对象的具体位置，具有更高的效率。

另外，本公开实施例在利用能够表征第一目标对象和第二目标对象之间相对位置关系的第一特征数据确定第二目标对象在第一目标对象中的目标部位的目标部位信息时，首先利用第一特征数据，确定第二目标对象在第一目标对象中的目标部位的第一部位信息，然后基于第一部位信息、一级第一特征数据，确定第二目标对象在第一目标对象中的目标子部位的第二部位信息，从而利用分步法确定第二目标对象的具体位置，效率更高。

针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

为便于对本实施例进行理解，首先对本公开实施例所公开的一种图像处理方法进行详细介绍，本公开实施例所提供的图像处理方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、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。在一些可能的实现方式中，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。

下面对本公开实施例提供的图像处理方法加以说明。

参见图1所示，为本公开实施例提供的图像处理方法的流程图，所述方法包括步骤S101～S104，其中：

S101：获取第一目标对象的第一图像；

S102：获取第一图像中的目标区域的区域尺寸信息；

S103：获取第二目标对象在目标区域中的第一位置信息；

S104：基于区域尺寸信息以及第一位置信息，确定第一特征数据，第一特征数据包括第二目标对象相对于目标区域的位置关系的数据；以及基于第一特征数据，确定第二目标对象在第一目标对象中的目标部位信息。

本公开实施例利用第一目标对象所在的目标区域及目标区域的区域尺寸信息，以及第一目标对象中的第二目标对象在目标区域中的第一位置信息，确定表征第一目标对象和第二目标对象之间相对位置关系的第一特征数据，利用第一特征数据，确定目标对象在第一目标对象中目标部位的目标部位信息，快速地从图像中确定第二目标对象的具体位置，具有更高的效率。

下面对上述S101～S104加以详细说明。

本公开实施例以扫描肺得到的医学影像作为第一图像为例，对本公开实施例提供的图像处理方法加以详细说明。

针对上述S101，第一目标对象为肺(为人体中的呼吸器官，其包括肺实质以及人体的其他结构)。由于肺在人体中的具体位置以及实际理化指标等不能直接确定，因此通常采用电子计算机断层扫描方式(Computed Tomography，CT)对第一目标对象进行扫描，然后再利用扫描得到的医学影像确定肺的相关信息。在利用CT扫描方式对第一目标对象进行扫描时，扫描得到的医学影像即为第一图像，例如肺CT。参见图2(a)所示，为本公开实施例提供的一种第一图像的示意图。

针对上述S102，在得到第一目标对象的第一图像后，可以从第一图像中确定肺实质所在的区域，作为目标区域，并获取目标区域的区域尺寸信息。由于第一图像中的肺实质形状不规则，且肺实质在人体中为立体的实物，因此在确定肺实质所在的区域时，可以利用一个最小包围框(最小包围框为一个立体框)确定第一目标对象所在的空间区域，也即目标区域包括肺实质的最小包围框指示的区域。

参见图2(b)所示，为本公开实施例提供的一种指示目标区域的最小包围框在二维平面上的投影框的示意图，包括投影框21。

具体地，由于肺在人体中为立体的实物，因此在为肺实质确定其所在目标区域时，可以通过肺实质的三维尺寸信息表征肺实质的目标区域。

因此，在确定目标区域时，由于肺实质对扫描射线的吸收与透过率与人体其他部位不同，因此利用第一图像的二维平面图像，可以通过图像亮度、阴影轮廓线等反映出肺实质所在的目标区域，也即利用图像处理的方法，可以从第一图像中确定肺实质所在区域。示例性的，可以利用语义分割网络、目标检测网络等对第一图像进行处理，从第一图像中确定肺实质所在的感兴趣区域(Region of Interest，ROI)，得到肺实质所在的目标区域的区域尺寸信息。同时，由于在利用CT扫描的方式获取第一图像时，可以获得在深度方向(在第一图像的二维平面图像的法向量方向)上的数据，因此还可以确定最小包围框在深度方向上的尺寸。此时，即可以确定第一图像中肺实质的目标区域。

在本公开实施例中，在从第一图像中确定肺实质的ROI区域时，利用在第一图像中确定ROI区域的边界点，可以在第一图像中识别出包含肺实质的区域，作为目标区域。

其中，目标区域可以根据三维尺寸信息确定。具体地，可以通过ROI区域的多个顶点在基于第一图像确定的世界坐标系下的三维坐标值，作为表征目标区域的三维尺寸信息；另外，也可以将通过ROI区域的多个顶点在世界坐标下的三维坐标值以及边的边长，作为表征目标区域的三维尺寸信息。

此处，目标区域在世界坐标系中的三维尺寸信息，也即本公开下述实施例中的肺实质所在目标区域在第一图像中的第三位置信息。

其中，世界坐标系例如在对人体进行扫描得到第一图像时，会按照一定的基准建立一个世界坐标系；该世界坐标系例如以人体的中心为原点建立，或者以扫描设备的扫描中心为原点建立世界坐标系。

在一种实施例中，可以直接基于上述ROI区域的三维尺寸信息，确定目标区域的区域尺寸信息。

其中，区域尺寸信息包括下述至少一种：目标区域的区域高度、区域宽度、区域深度以及区域中心线长度。

另外，在本公开另一示例中，在确定区域尺寸信息时，由于在建立世界坐标系时，会导致在得到的第一图像中，可能存在部分像素点在世界坐标系中的坐标值为负值的情况；为了简化图像处理的复杂度，本实施例中还可以在确定肺实质所在目标区域的区域尺寸信息后，基于该目标区域，建立区域坐标系，并将目标区域由世界坐标系转换至区域坐标系下，并确定目标区域的区域尺寸信息。

示例性的，在建立目标区域对应的区域坐标系时，可以将目标区域左上角的顶点作为区域坐标系的原点建立区域坐标系，并利用区域坐标系确定区域尺寸信息。

在一种可能的实施方式中，在获取第一图像后，还可以基于预设分辨率对第一图像进行重采样，然后基于重采样的第一图像，确定目标区域的区域尺寸信息，以减少后续在基于第一图像确定第一目标对象和第二目标对象的相对位置关系时的运算量。

针对上述S103，第二目标对象例如可以是位置在肺实质中的其他对象，例如第二目标对象可以包括肺实质中的结节、异物等。通过确定第二目标对象在目标区域中的第一位置信息，可以更准确的确定第二目标对象在肺实质中的具体位置。

在具体实施中，确定第一位置信息时例如可以采用下述方式：获取第二目标对象在第一图像中的第二位置信息；以及基于目标区域在第一图像中的第三位置信息以及第二目标对象的第二位置信息，确定第二目标对象在基于目标区域建立的区域坐标系中的第一位置信息。

其中，在确定第二目标对象的第一位置信息时，由于在第一图像中确定第二目标对象的位置信息以及目标区域的区域尺寸信息更易，因此，在本方案中，先确定第二目标对象在第一目标图像中的第二位置信息以及目标区域在第一图像中的第三位置信息，然后将第一图像中确定的第二目标对象的第二位置信息，通过利用第二位置信息和第三位置信息确定的转换关系信息，转换至目标区域中的第一位置信息。

具体地，例如可以采用目标检测网络对第一图像进行目标检测处理，得到第二目标对象在第一图像中的第二位置信息。此时，该第二位置信息例如包括第二目标对象在第一图像中所占据区域的区域信息，例如第二目标对象在第一图像中的中心点位置坐标、第二目标对象所在区域的区域尺寸等。然后，利用第二目标对象在第一图像中的第二位置信息，以及目标区域在第一图像中的第三位置信息，确定第二目标对象在基于目标区域建立的区域坐标系中的第一位置信息。

此处，例如可以基于目标区域在第一图像中的第三位置信息以及第一图像，确定区域坐标系和基于第一图像建立的世界坐标系之间的转换关系信息；以及基于第二目标对象在第一图像中的第二位置信息以及转换关系信息，确定第二目标对象在基于目标区域建立的区域坐标系中的第一位置信息。

此处，该第一位置信息例如可以包括：第二目标对象的中心点在基于目标区域建立的区域坐标系中的三维位置信息以及中心点与区域坐标系原点之间的距离。

在另一种可能的情况中，在将第一图像重采样至预设分辨率的情况下，例如也可以对第二目标对象在第一图像中的第二位置信息进行变换，得到第二目标对象在重采样后的第一图像中的第四位置信息。然后，基于第二目标对象在重采样后的第一图像中的第四位置信息，以及目标区域在重采样至预设分辨率下的第一图像中的位置信息，得到第二目标对象在目标区域中的第一位置信息。

针对上述S104，在基于区域尺寸信息以及第一位置信息，确定基于所述区域尺寸信息以及所述第一位置信息，确定第一特征数据时，例如可以采用下述方式：基于区域尺寸信息，对第一位置信息进行归一化处理，得到第一特征数据。

示例性的，可以计算区域尺寸信息以及第一位置信息中对应参量的比值，以将第一位置信息进行归一化处理。

利用第一特征数据，可以表征第二目标对象与第一目标对象的相对位置信息，减小因为不同个体的差异导致第一目标对象在第一图像中的目标区域尺寸不同，导致的为不同第一目标对象上的第二目标对象所确定的目标部位信息不准确的问题。

示例性的，假设区域尺寸信息包括：目标区域的区域高度H、区域宽度W、区域深度D以及区域中心线长度Dis。

第一位置信息包括：第二目标对象的中心点在基于目标区域建立的区域坐标系中的三维位置信息(x,y,z)以及中心点与区域坐标系原点之间的距离dis。

则第一特征数据包括：x/W，y/H，z/D，dis/Dis。

然后利用得到的第一特征数据，执行步骤S103。

在基于第一特征数据，确定第二目标对象第二目标对象在第一目标对象中目标部位的目标部位信息时，由于人体器官会划分为多层次结构，较为复杂；导致确定第二目标对象的目标部位时，存在准确度低的问题。

进而，本公开实施例为了提升确定第二目标对象的目标部位的准确度，例如可以采用下述方式确定第二目标对象在第一目标对象中目标部位的目标部位信息：

基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位的第一部位信息，其中，所述目标部位包括多个子部位；以及基于所述第一特征数据以及所述第一部位信息，从所述多个子部位中确定所述第二目标对象所在的目标子部位的第二部位信息，作为所述目标部位信息。

示例性的，第一目标对象分为多个部位；每个部位包括多个子部位。例如，当第一目标对象为肺的情况下，第一目标对象包括五大肺叶，其中的每个肺叶都为一个部位，分别为：左肺上叶、左肺下叶、右肺上叶、右肺中叶、右肺下叶。

每个肺叶，又包括多个肺段，每个肺段为所在肺叶上的一个子部位。

例如，左肺上叶中包括4个肺段，分别为：左肺上叶尖后段、左肺上叶前段、左肺上叶舌叶上段以及左肺上叶舌叶下段。

在基于第一特征数据，确定第二目标对象在第一目标对象中目标部位的第一部位信息时，即确定第二目标对象的所在具体部位。

此处，例如可以利用第一分类器，对第一特征数据进行分类处理，得到第二目标对象在第一目标对象中的目标部位的第一部位信息。

此处，第一分类器例如包括但不限于下述至少一种：决策树、支持向量机。

第一分类器例如是利用样本数据预先训练得到的。例如可以预先获得多个包含同类第一目标对象的医学影像，针对每一医学影像，标注有第二目标对象在第一目标对象中的第一部位信息。然后利用本公开实施例提供的图像处理方法中S101～S103类似的方式，得到每一医学影像的第一样本特征数据，并利用第一样本特征数据以及为每一医学影像标注的第一部位信息，训练得到第一分类器。

在得到第一特征数据后，即可以将第一特征数据输入至第一分类器中，得到第二目标对象在第一目标对象中的目标部位的第一部位信息。

然后，基于第一特征数据以及第一部位信息，构成第二特征数据；利用第二分类器，对第二特征数据进行分类处理，得到第二目标对象所在目标子部位的第二部位信息。

此处，第二分类器例如包括但不限于下述至少一种：决策树、支持向量机。

第二分类器例如是利用样本数据预先训练得到的。例如可以预先获得多个包含同类第一目标对象的医学影像，针对每一医学影像，标注有第二目标对象在第一目标对象中的第一部位信息以及第二目标对象所在目标子部位的第二部位信息。然后利用本公开实施例提供的图像处理方法中S101～S103类似的方式，得到每一医学影像的第一样本特征数据，并利用第一样本特征数据以及为每一医学影像标注的第一部位信息，构成每一医学影像的第二样本特征数据，然后利用第二样本特征数据以及为每一医学影像标注的第二部位信息，训练得到第二分类器。

在训练得到第二分类器后，即能够利用第二分类器，对基于第一图像得到的第二特征数据进行分类处理，得到第二目标对象在第一目标对象中的目标子部位的第二部位信息。

该第二部位信息，即第二目标对象在第一目标对象中的目标部位信息。

例如，通过第一分类器，确定的第一部位信息为：左肺上叶；第二部位信息为：左肺上叶尖后段，也即，第二目标对象在第一目标对象中的目标部位信息为：左肺上叶尖后段。

本公开实施例中，第一分类器和第二分类器可以分别单独训练，也可以联合训练，具体的根据实际的需要进行确定。

参见图3所示，本公开实施例还提供一种对肺CT进行图像处理的具体方法的流程图。其中，第一目标对象为肺；第二目标对象为肺结节；第一图像为肺CT；该方法包括：

S301：对肺CT进行预处理；其中，预处理包括下述至少一种：确定肺实质所在的目标区域、将目标区域重采样至预设分辨率下。

其中，预处理的方法在上述S101中已做详细说明，在此不再赘述。

S302：对肺CT进行特征提取与处理，得到第一特征数据。

其中，特征提取与处理的方法在上述S101和S102中已做详细说明，在此不再赘述。

S303：将第一特征数据输入至第一SVM分类器，利用第一SVM分类器确定肺CT中的肺结节所在肺叶，得到肺结节所在肺叶的第一部位信息。

其中，在利用第一分类器确定肺CT中的肺结节所在肺叶时，第一分类器会对5个肺叶进行编码，肺叶与号码的对应关系例如为：左肺上叶-0、左肺下叶-1、右肺上叶-2、右肺中叶-3、右肺下叶-4。示例性的，当第一分类器判断出肺结节在左肺上叶时，输出的第一部位信息编码为0，表征第一分类器确定的分类结果为肺结节在左肺上叶。

S304：基于第一特征数据和第一部位信息构成第二特征数据，并将第二特征数据输入至第二SVM分类器，利用第二SVM分类器确定肺CT中的肺结节所在具体肺段，得到肺结节所在肺段的第二部位信息。

其中，在利用第二分类器确定肺CT中的肺结节所在肺段时，第二分类器会对18个肺段进行编码，肺段与号码的对应关系例如为：右肺上叶尖段-0、右肺上叶后段-1、右肺上叶前段-2、右肺中叶外段-3、右肺中叶内段-4、右肺下叶背段-5、右肺下叶内基底段-6、右肺下叶前基底段-7、右肺下叶外基底段-8、右肺下叶后基底段-9、左肺上叶尖后段-10、左肺上叶前段-11、左肺上叶舌叶上段-12、左肺上叶舌叶下段-13、左肺下叶背段-14、左肺下叶前内基底段-15、左肺外基底段-16、左肺下叶后基底段-17。示例性的，当利用第一分类器判断出肺结节在左肺上叶，并利用第二分类器判断出肺结节在左肺上叶尖后段时，输出的第二部位信息编码为10，表征第二分类器确定的分类结果为肺结节在左肺上叶尖后段。

通过上述过程，即可快速、准确确定肺结节的具体位置，也即目标部位信息。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，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。

基于同一发明构思，本公开实施例中还提供了与图像处理方法对应的图像处理装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述图像处理方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参照图4所示，为本公开实施例提供的一种图像处理装置的示意图，所述装置包括：第一获取模块41、第二获取模块42、第三获取模块43以及确定模块44；其中，

第一获取模块41，用于获取第一目标对象的第一图像；

第二获取模块42，用于获取所述第一图像中的目标区域的区域尺寸信息；

第三获取模块43，用于获取第二目标对象在所述目标区域中的第一位置信息；

确定模块44，用于基于所述区域尺寸信息以及所述第一位置信息，确定第一特征数据，所述第一特征数据包括所述第二目标对象相对于所述目标区域的位置关系的数据；以及基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位信息。

一种可选的实施方式中，所述确定模块44在基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位信息时，用于：基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位的第一部位信息，其中，所述目标部位包括多个子部位；以及基于所述第一特征数据以及所述第一部位信息，从所述多个子部位中确定所述第二目标对象所在目标子部位的第二部位信息，作为所述目标部位信息。

一种可选的实施方式中，所述第一获取模块41在获取第一目标对象的第一图像时，用于基于预设分辨率对所述第一图像进行重采样。

一种可选的实施方式中，所述第二获取模块42在获取所述第一图像中的目标区域的区域尺寸信息时，用于：基于重采样的第一图像，确定所述目标区域的区域尺寸信息。

一种可选的实施方式中，所述第三获取模块43在获取第二目标对象在所述目标区域中的第一位置信息时，用于：获取所述第二目标对象在所述第一图像中的第二位置信息；以及基于所述目标区域在所述第一图像中的第三位置信息以及所述第二目标对象的第二位置信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的所述第一位置信息。

一种可选的实施方式中，所述第三获取模块43在基于所述目标区域在所述第一图像中的第三位置信息以及所述第二目标对象的第二位置信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的所述第一位置信息时，用于：基于所述目标区域在所述第一图像中的第三位置信息以及所述第一图像，确定所述区域坐标系和基于所述第一图像建立的世界坐标系之间的转换关系信息；以及基于所述第二目标对象在所述第一图像中的第二位置信息以及所述转换关系信息，确定所述第二目标对象在基于所述目标区域建立的区域坐标系中的第一位置信息。

一种可选的实施方式中，所述区域尺寸信息包括下述至少一种：所述目标区域的区域高度、区域宽度、区域深度以及区域中心线长度。

一种可选的实施方式中，所述第一位置信息包括：所述第二目标对象的中心点在基于所述目标区域建立的区域坐标系中的三维位置信息以及所述中心点与所述区域坐标系原点之间的距离。

一种可选的实施方式中，所述确定模块44在基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位的第一部位信息时，用于：利用第一分类器，对所述第一特征数据进行分类处理，得到所述第二目标对象在所述第一目标对象中的所述目标部位的所述第一部位信息。

一种可选的实施方式中，所述确定模块44在基于所述第一特征数据以及所述第一部位信息，从所述目标部位中的多个子部位中确定所述第二目标对象所在目标子部位的第二部位信息时，用于：基于所述第一特征数据以及所述第一部位信息，构成第二特征数据；利用第二分类器，对所述第二特征数据进行分类处理，得到所述第二目标对象所在所述目标子部位的所述第二部位信息。

一种可选的实施方式中，所述确定模块44在基于所述区域尺寸信息以及所述第一位置信息，确定第一特征数据时，用于：基于所述区域尺寸信息，对所述第一位置信息进行归一化处理，得到所述第一特征数据。

关于装置中的各模块的处理流程以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。

本公开实施例还提供了一种计算机设备，如图5所示，为本公开实施例提供的计算机设备结构示意图，包括：

处理器51和存储器52；所述存储器52存储有处理器51可执行的机器可读指令，处理器51用于执行存储器52中存储的机器可读指令，所述机器可读指令被处理器51执行时，处理器51执行下述步骤：

获取第一目标对象的第一图像；获取所述第一图像中的目标区域的区域尺寸信息；获取第二目标对象在所述目标区域中的第一位置信息；基于所述区域尺寸信息以及所述第一位置信息，确定第一特征数据，所述第一特征数据包括所述第二目标对象相对于所述目标区域的位置关系的数据；以及基于所述第一特征数据，确定所述第二目标对象在所述第一目标对象中的目标部位信息。

上述存储器52包括内存521和外部存储器522；这里的内存521也称内存储器，用于暂时存放处理器51中的运算数据，以及与硬盘等外部存储器522交换的数据，处理器51通过内存521与外部存储器522进行数据交换。

上述指令的具体执行过程可以参考本公开实施例中所述的图像处理方法的步骤，此处不再赘述。

本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的图像处理方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。

本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的图像处理方法的步骤，具体可参见上述方法实施例，在此不再赘述。

其中，上述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。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。