图像处理方法及装置、计算机可读存储介质及电子设备

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及装置、计算机可读存储介质及电子设备。

背景技术

在医学临床试验或临床实践中会产生大量的医学图像，例如X光片、CT图像、MRI图像等。分析部位对应的医学图像必须具有一定的完整性，才能保证阅片人的阅片工作高效进行。

然而，虽然现有的医学影像系统可以对上传的图像序列进行部位识别，但是不能智能判断部位是否完整。因此需要人工判断，无疑会增大阅片人工作量，进而导致阅片效率低下。

发明内容

为了解决上述技术问题，提出了本申请。本申请实施例提供了一种图像处理方法及装置、计算机可读存储介质及电子设备。

第一方面，本申请一实施例提供了一种图像处理方法，包括：确定包含目标结构的待处理图像序列对应的目标结构信息，其中，目标结构信息包括目标结构对应的先验标准信息以及图像识别信息；基于目标结构信息确定目标结构的完整性信息。

结合第一方面，在第一方面的某些实现方式中，目标结构的数量为至少三个，至少三个目标结构具备位置关联关系。基于目标结构信息确定目标结构的完整性信息，包括：基于位置关联关系确定至少三个目标结构各自对应的类型，其中，类型包括边缘目标结构和非边缘目标结构；基于目标结构信息和至少三个目标结构各自对应的类型，确定至少三个目标结构各自对应的完整性信息。

结合第一方面，在第一方面的某些实现方式中，基于目标结构信息和至少三个目标结构各自对应的类型，确定至少三个目标结构各自对应的完整性信息，包括：基于非边缘目标结构对应的图像识别信息和先验标准信息确定边缘目标结构的完整性参考信息；基于完整性参考信息、边缘目标结构对应的先验标准信息和图像识别信息确定边缘目标结构的完整性信息。

结合第一方面，在第一方面的某些实现方式中，基于非边缘目标结构对应的图像识别信息和先验标准信息确定边缘目标结构的完整性参考信息，包括：基于非边缘目标结构对应的图像识别信息确定非边缘目标结构对应的图像数量信息；基于非边缘目标结构对应的先验标准信息和图像数量信息确定边缘目标结构的完整性参考信息。

结合第一方面，在第一方面的某些实现方式中，基于完整性参考信息、边缘目标结构对应的先验标准信息和图像识别信息确定边缘目标结构的完整性信息，包括：基于边缘目标结构对应的图像识别信息确定边缘目标结构对应的图像数量信息；基于完整性参考信息和边缘目标结构对应的先验标准信息确定边缘目标结构对应的完整性标准信息；基于边缘目标结构对应的图像数量信息和完整性标准信息，确定边缘目标结构的完整性信息。

结合第一方面，在第一方面的某些实现方式中，目标结构的数量为至多两个，基于目标结构信息确定目标结构的完整性信息，包括：基于至多两个目标结构对应的图像识别信息确定至多两个目标结构各自对应的图像数量信息；基于至多两个目标结构各自对应的图像数量信息和先验标准信息，确定至多两个目标结构各自对应的完整性信息。

结合第一方面，在第一方面的某些实现方式中，确定包含目标结构的待处理图像序列对应的目标结构信息，包括：利用图像识别模型和/或图像识别算法识别待处理图像序列，得到目标结构对应的图像集合；基于目标结构对应的图像集合确定图像识别信息。

结合第一方面，在第一方面的某些实现方式中，基于目标结构对应的图像集合确定图像识别信息之后，包括：对图像识别信息进行异常值平滑处理操作，其中，异常值平滑处理操作用于修正图像识别信息。

结合第一方面，在第一方面的某些实现方式中，待处理图像序列为三维医学图像序列，目标结构包括脑，鼻咽，颈，胸，腹，盆腔和下肢中的任意一个或位置连续的多个。

第二方面，本申请一实施例提供了一种图像处理装置，包括：第一确定模块，用于确定包含目标结构的待处理图像序列对应的目标结构信息，其中，目标结构信息包括目标结构对应的先验标准信息以及图像识别信息；第二确定模块，用于基于目标结构信息确定目标结构的完整性信息。

第三方面，本申请一实施例提供了一种计算机可读存储介质，该存储介质存储有计算机程序，该计算机程序用于执行上述第一方面所提及的图像处理方法。

第四方面，本申请一实施例提供了一种电子设备，该电子设备包括：处理器；用于存储处理器可执行指令的存储器；该处理器用于执行上述第一方面所提及的图像处理方法。

本申请实施例提供的图像处理方法，通过确定包含目标结构的待处理图像序列对应的目标结构信息，基于目标结构信息确定目标结构的完整性信息的方式，有效解决了智能确定目标结构及其完整性信息的问题，避免人工判断过程中受主观因素的影响导致图像质量审查产生误差的情况发生，为阅片人的工作提供准确的参考信息，从而帮助阅片人更准确地评价图像质量，进一步提高阅片效率。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1所示为本申请实施例所适用的一场景示意图。

图2所示为本申请实施例所适用的另一场景示意图。

图3所示为本申请实施例所适用的又一场景示意图。

图4所示为本申请一示例性实施例提供的图像处理方法的流程示意图。

图5所示为本申请一示例性实施例提供的基于目标结构信息确定目标结构的完整性信息的流程示意图。

图6所示为本申请一示例性实施例提供的确定至少三个目标结构各自对应的完整性信息的流程示意图。

图7所示为本申请一示例性实施例提供的确定边缘目标结构的完整性参考信息的流程示意图。

图8所示为本申请一示例性实施例提供的确定边缘目标结构的完整性信息的流程示意图。

图9所示为本申请另一示例性实施例提供的基于目标结构信息确定目标结构的完整性信息的流程示意图。

图10所示为本申请一示例性实施例提供的确定图像识别信息的流程示意图。

图11所示为本申请一示例性实施例提供的对图像识别信息进行异常值平滑处理操作的流程示意图。

图12所示为本申请一示例性实施例提供的图像处理装置的结构示意图。

图13所示为本申请一示例性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，都属于本申请保护的范围。

图1所示为本申请实施例所适用的一场景示意图。如图1所示，本申请实施例所适用的场景中包括服务器1和图像采集设备2，其中，服务器1和图像采集设备2之间存在通信连接关系。

具体而言，图像采集设备2用于采集包含目标结构的待处理图像序列，服务器1用于基于图像采集设备2采集的待处理图像序列确定待处理图像序列对应的目标结构信息，其中，目标结构信息包括目标结构对应的先验标准信息以及图像识别信息，继而基于目标结构信息确定目标结构的完整性信息。即，该场景实现了一种图像处理方法。

由于图1所示的上述场景利用服务器1实现了图像处理方法，因此，该场景不但能够提高场景的适应能力，而且能够有效降低图像采集设备2的计算量。

需要说明的是，本申请还适用于另一场景。图2所示为本申请实施例所适用的另一场景示意图。具体地，该场景中包括图像处理设备3，其中，图像处理设备3包括图像采集模块301和计算模块302，并且，图像采集模块301和计算模块302之间存在通信连接关系。

具体而言，图像处理设备3中的图像采集模块301用于采集包含目标结构的待处理图像序列，图像处理设备3中的计算模块302用于基于图像采集模块301采集的包含目标结构的待处理图像序列确定待处理图像序列对应的目标结构信息，其中，目标结构信息包括目标结构对应的先验标准信息以及图像识别信息，继而基于目标结构信息确定目标结构的完整性信息。即，该场景实现了一种图像处理方法。

由于图2所示的上述场景利用图像处理设备3实现了图像处理方法，无需与服务器等相关装置进行数据传输操作，因此，图2所示的上述场景能够保证图像处理方法的实时性。

需要说明的是，本申请还适用于另一场景。图3所示为本申请实施例所适用的又一场景示意图。具体地，该场景中包括医学影像系统4，其中，医学影像系统4包括数据采集模块401和数据处理模块402，并且，数据采集模块401和数据处理模块402之间存在通信连接关系。

具体而言，数据采集模块401用于采集包含目标结构的待处理图像序列，待处理图像序列可以是DICOM格式，进而直接从该医学图像的数据中自动导入相关的医学图像信息，医学图像信息包括该医学图像的拍片类型、拍片日期和拍片部位等信息。数据处理模块402用于基于数据采集模块401采集的、包含目标结构的待处理图像序列确定待处理图像序列对应的目标结构信息，其中，目标结构信息包括目标结构对应的先验标准信息以及图像识别信息，继而基于目标结构信息确定目标结构的完整性信息。即，该场景实现了一种图像处理方法，能够实时进行目标结构的完整性判断，解决了现有医学影像系统无法判断目标结构的完整性的问题。

图4所示为本申请一示例性实施例提供的图像处理方法的流程示意图。如图4所示，本申请实施例提供的图像处理方法包括如下步骤。

步骤10，确定包含目标结构的待处理图像序列对应的目标结构信息。

目标结构信息包括目标结构对应的先验标准信息以及图像识别信息。示例性地，目标结构对应的先验标准信息基于大数据统计或先验知识确定，先验标准信息表示目标结构占其所在的整体结构的标准比例值。例如：脑部占人体的4%，即脑部对应的先验标准信息为4%。图像识别信息可以是基于深度学习模型或者图像识别算法确定的目标结构的识别结果，识别结果可以包括但不限于目标结构对应的部位类别、目标结构对应的起始张数位置和结束张数位置、目标结构对应的图像时序信息、目标结构对应的连续张数区间或目标结构的识别张数数量等结果，本申请实施例对此不做具体限定。

步骤10中提及的待处理图像序列可以是待处理医学图像序列，也可以是待处理非医学图像序列。具体地，待处理医学图像序列可以由多张连续的医学图像构成。医学图像可以包括电子计算机断层成像（Computed Tomography，CT）图像、核磁共振成像（MagneticResonance Imaging，MRI）图像、计算机放射成像（Computed Radiography，CR）图像或数字放射成像（Digital radiography，DR）图像等，本申请实施例对此不做具体限定。

本申请实施例并不限定待处理医学图像序列的具体形式，可以是原始医学图像序列，也可以是经过预处理的医学图像序列，还可以是原始医学图像序列中的部分图像系列，即，原始医学图像序列的一部分。此外，待处理医学图像序列对应的采集对象可以是人体，也可以是动物体。

在本申请一实施例中，待处理图像序列为待处理医学图像序列，对应地，目标结构可以为头、胸、肺中的一个或者位置连续的多个。

步骤20，基于目标结构信息确定目标结构的完整性信息。

示例性地，步骤20中提及的完整性信息用于表示目标结构的完整性。基于目标结构信息中的图像识别信息确定目标结构实际识别张数，基于目标结构信息中的先验标准信息确定目标结构标准识别张数，可以通过将实际识别张数与标准识别张数作比较的方式，判断目标结构是否完整，即判断目标结构是否为完整部位，从而得到目标结构对应的完整性信息。

在实际应用过程中，首先确定包含目标结构的待处理图像序列对应的目标结构信息，继而基于目标结构信息确定目标结构的完整性信息。根据先验标准信息和图像识别信息，获得目标结构对应的完整性信息，实现了对目标结构的完整性判断的目的，为阅片人进行图像质量审查提供参考依据。

在人工判断目标结构信息时，很容易受到个人主观判断的影响，即不同阅片人由于知识水平、经验水平等因素，判断出的目标结构信息也参差不齐。本申请实施例提供的图像处理方法，有效解决了智能确定目标结构及其完整性信息的问题，避免人工判断过程中受主观因素的影响导致图像质量审查产生误差的情况发生，为阅片人的工作提供准确的参考信息。此外，该图像处理方法根据目标结构对应的先验标准信息以及图像识别信息，对待处理图像序列中的目标结构进行完整性判断，能够帮助阅片人更准确地评价图像质量，进一步提高阅片效率。

图5所示为本申请一示例性实施例提供的基于目标结构信息确定目标结构的完整性信息的流程示意图。在本申请图4所示实施例的基础上延伸出本申请图5所示实施例，下面着重叙述图5所示实施例与图4所示实施例的不同之处，相同之处不再赘述。

如图5所示，在本申请实施例提供的图像处理方法中，目标结构的数量为至少三个，至少三个目标结构具备位置关联关系。具体地，基于目标结构信息确定目标结构的完整性信息步骤，包括如下步骤。

步骤201，基于位置关联关系确定至少三个目标结构各自对应的类型，其中，类型包括边缘目标结构和非边缘目标结构。

具体而言，在多部位完整性判断的过程中，目标结构的数量为至少三个，且至少三个目标结构需要具备位置关联关系。该位置关联关系可以是多部位在人体中固有的连续的位置关系。基于位置关联关系，可以将至少三个目标结构划分为边缘目标结构和非边缘目标结构。其中，边缘目标结构可以为该至少三个目标结构中，位于初始位置和结束位置的目标结构，非边缘目标结构可以为位于初始位置的目标结构和结束位置的目标结构之间的目标结构，即中间位置的目标结构。例如，待处理图像序列中包含脑，鼻咽，颈，胸四个部位（即四个目标结构），这四个部位在人体中位置是相对固定的，而且具有固有的连续位置关系，根据位置关系可以将脑划分为起始部位，胸划分为结束部位，鼻咽和颈为中间部位。即，脑和胸为边缘目标结构，鼻咽和颈为非边缘目标结构。

步骤202，基于目标结构信息和至少三个目标结构各自对应的类型，确定至少三个目标结构各自对应的完整性信息。

具体而言，将至少三个目标结构划分为边缘目标结构和非边缘目标结构，基于目标结构信息中的图像识别信息确定边缘目标结构实际识别张数和非边缘目标结构实际识别张数，基于目标结构信息中的先验标准信息确定边缘目标结构和非边缘目标结构分别对应的标准识别张数。在根据目标结构信息和结构类型确定非边缘目标结构的完整性之后，继而基于非边缘目标结构的完整性确定边缘目标结构的完整性信息，从而实现对所有目标结构的完整性判断。

一般情况下，人体身高信息不容易获取，所以在人体身高未知情况下，对多部位进行完整性判断的情况比较常见。本申请实施例提供的图像处理方法，无需获取身高信息，只需要通过确定目标结构信息和至少三个目标结构各自对应的类型的方式，便可实现确定至少三个目标结构的完整性信息的目的。此外，在判断至少三个目标结构的完整性时，除了依据目标结构信息之外，还进一步结合目标结构类型作为参考信息，有效提高目标结构完整性判断的准确性。

在本申请另一实施例中，当已知人体身高信息/或图像扫描总张数时，只需要根据图像数量信息和先验标准信息，即可确定至少三个目标结构各自对应的完整性信息。具体而言，至少三个目标结构各自对应的图像数量信息表示每个目标结构实际识别图像张数，至少三个目标结构各自对应的先验标准信息表示每个目标结构基于先验知识确定的标准比例信息。通过人体身高信息，可以清晰确定标准比例信息对应的标准识别图像张数。或者在已知图像扫描总张数的情况下，基于标准比例信息和图像扫描总张数计算求得每个目标结构的标准识别图像张数。将每个目标结构的实际识别图像张数与标准识别图像张数作比较，如果实际识别图像张数大于标准识别图像张数的2/3，则至少三个目标结构中的每个目标结构是完整的，反之，至少三个目标结构中的目标结构不完整。

图6所示为本申请一示例性实施例提供的确定至少三个目标结构各自对应的完整性信息的流程示意图。在本申请图5所示实施例的基础上延伸出本申请图6所示实施例，下面着重叙述图6所示实施例与图5所示实施例的不同之处，相同之处不再赘述。

如图6所示，在本申请实施例提供的图像处理方法中，基于目标结构信息和至少三个目标结构各自对应的类型，确定至少三个目标结构各自对应的完整性信息步骤，包括如下步骤。

步骤2021，基于非边缘目标结构对应的图像识别信息和先验标准信息确定边缘目标结构的完整性参考信息。

具体而言，基于非边缘目标结构对应的图像识别信息和先验标准信息计算得到标准比例信息，将该标准比例信息作为确定边缘目标结构的完整性参考信息。

步骤2022，基于完整性参考信息、边缘目标结构对应的先验标准信息和图像识别信息确定边缘目标结构的完整性信息。

具体而言，以非边缘目标结构计算得到的完整性参考信息为标准，结合边缘目标结构对应的先验标准信息和图像识别信息判断边缘目标结构的完整性。

例如，在对人体的各个部位进行断面扫描时，扫描的待处理图像序列中的图像是按照时序信息进行排列，而且扫描顺序是依照各部位的位置关系依次进行扫描，所以各个部位中的中间部位被认定为完整部位。将中间部位对应的图像识别信息和先验标准信息作为初始部位和结束部位的完整性参考信息。假使待处理图像序列为一个张数为N的连续的CT横断位图像序列，利用图像识别模型对其识别，当CT横断位图像序列中至少存在一张某个部位的横断位图像时，图像识别模型就判定在此序列中存在该部位。对于该CT横断位图像序列，图像识别模型从序列中识别出了鼻咽，颈，胸，腹共四类部位。由此可知，在该待处理图像序列中，“颈和胸”一定为中间部位。此时，便可认定识别出的中间部位“颈和胸”是完整部位，而鼻咽和腹作为此序列的初始部位和结束部位。若通过人工对该初始部位和结束部位进行完整性判断，无疑会增大阅片人工作量。在此基础上，本申请实施例根据中间部位及其中间部位对应的图像识别信息和先验标准信息，确定初始部位和结束部位的完整性参考信息，基于完整性参考信息、初始部位和结束部位对应的先验标准信息和图像识别信息判断初始部位和结束部位的完整性，从而确定出所有部位的完整性信息。

在实际应用过程中，首先基于非边缘目标结构对应的图像识别信息和先验标准信息确定边缘目标结构的完整性参考信息，继而基于完整性参考信息、边缘目标结构对应的先验标准信息和图像识别信息确定边缘目标结构的完整性信息。在判断边缘目标结构的完整性时，除了参考边缘目标结构自身的信息之外，还将非边缘目标结构计算得到的完整性参考信息作为判断的参考因素，进一步提高了边缘目标结构的完整性信息的准确性。

本申请实施例提供的图像处理方法，通过基于非边缘目标结构对应的图像识别信息和先验标准信息确定边缘目标结构的完整性参考信息的方式，结合边缘目标结构对应的先验标准信息和图像识别信息确定边缘目标结构的完整性信息，实现了对边缘目标结构的完整性判断的目的，有效提高了边缘目标结构的完整性信息的准确性，为阅片人的工作提供准确的参考信息，从而帮助阅片人更高效地评价图像质量，进一步提高阅片效率。

图7所示为本申请一示例性实施例提供的确定边缘目标结构的完整性参考信息的流程示意图。在本申请图6所示实施例的基础上延伸出本申请图7所示实施例，下面着重叙述图7所示实施例与图6所示实施例的不同之处，相同之处不再赘述。

如图7所示，在本申请实施例提供的图像处理方法中，基于非边缘目标结构对应的图像识别信息和先验标准信息确定边缘目标结构的完整性参考信息步骤，包括如下步骤。

步骤20211，基于非边缘目标结构对应的图像识别信息确定非边缘目标结构对应的图像数量信息。

示例性地，步骤20211提及的图像识别信息可以包括图像数量信息。需要说明的是，图像数量信息可以通过非边缘目标结构对应的图像集合的起始张数位置和结束张数位置计算得到，也可以直接通过非边缘目标结构对应的图像集合的连续张数区间确定，本申请对此不做具体限定。

步骤20212，基于非边缘目标结构对应的先验标准信息和图像数量信息确定边缘目标结构的完整性参考信息。

示例性地，步骤20212提及的非边缘目标结构对应的先验标准信息为基于先验知识确定的标准比例值。将非边缘目标结构对应的先验标准信息和图像数量信息进行计算得到一个参考值，将该参考值作为边缘目标结构的完整性参考信息。

例如，待处理图像序列中包含脑，鼻咽，颈，胸四个部位（即四个目标结构），根据位置关联关系可知脑和胸为边缘目标结构，鼻咽和颈为非边缘目标结构。确定非边缘目标结构（鼻咽和颈）对应的图像数量信息为N，由先验知识得知鼻咽和颈占人体的比例为15%，所以确定鼻咽和颈对应的先验标准信息为15%。将非边缘目标结构对应的先验标准信息和图像数量信息进行计算得到一个参考值R=floor(N / 15%)，参考值R作为边缘目标结构（脑和胸）的完整性参考信息。

在实际应用过程中，首先基于非边缘目标结构对应的图像识别信息确定非边缘目标结构对应的图像数量信息，继而基于非边缘目标结构对应的先验标准信息和图像数量信息确定边缘目标结构的完整性参考信息。在多部位的完整性判断过程中，根据非边缘目标结构的先验标准信息和图像数量信息计算得到完整性参考信息，由于预先确定非边缘目标结构是完整结构，所以根据非边缘目标结构计算得到的完整性参考信息，可进一步用于对边缘目标结构的完整性进行判断。

本申请实施例提供的图像处理方法，基于非边缘目标结构对应的先验标准信息和图像数量信息，实现了确定边缘目标结构的完整性参考信息的目的。另外，判断边缘目标结构完整性时以完整的非边缘目标结构作为参考标准，既能够解决待处理图像序列中对多部位进行完整性判断的问题，又能够保证完整性参考信息的有效性。

图8所示为本申请一示例性实施例提供的确定边缘目标结构的完整性信息的流程示意图。在本申请图6所示实施例的基础上延伸出本申请图8所示实施例，下面着重叙述图8所示实施例与图6所示实施例的不同之处，相同之处不再赘述。

如图8所示，在本申请实施例提供的图像处理方法中，基于完整性参考信息、边缘目标结构对应的先验标准信息和图像识别信息确定边缘目标结构的完整性信息步骤还包括如下步骤。

步骤20221，基于边缘目标结构对应的图像识别信息确定边缘目标结构对应的图像数量信息。

示例性地，步骤20221中提及的图像数量信息表示边缘目标结构实际识别图像张数。在识别边缘目标结构的过程中，同时也能够确定边缘目标结构对应的图像识别信息，根据图像识别信息即可计算得到边缘目标结构实际识别图像张数。

步骤20222，基于完整性参考信息和边缘目标结构对应的先验标准信息确定边缘目标结构对应的完整性标准信息。

示例性地，步骤20222提及的完整性标准信息表示理想条件下的边缘目标结构标准图像张数。步骤20222提及的完整性参考信息是根据非边缘目标结构的各信息计算得到的判断完整性的参考值。将完整性参考信息和边缘目标结构的先验标准信息进行计算可得到边缘目标结构标准图像张数。

步骤20223，基于边缘目标结构对应的图像数量信息和完整性标准信息，确定边缘目标结构的完整性信息。

示例性地，步骤20223提及的图像数量信息为边缘目标结构实际识别图像张数，完整性标准信息为边缘目标结构标准图像张数。通过将边缘目标结构对应的图像数量信息和完整性标准信息作比较，如果图像数量信息多于完整性标准信息的2/3，即边缘目标结构实际识别图像张数多于边缘目标结构标准图像张数的2/3，则边缘目标结构满足完整性条件，边缘目标为完整结构，否则边缘目标结构为不完整结构。

在实际应用过程中，假如待处理图像序列中共有脑，鼻咽，颈，胸，腹，盆腔共6类部位，且已知该六类部位的标准比例分别为r_1，r_2，r_3，r_4，r_5，r_6。对待处理图像序列进行部位识别，识别出至少三个目标结构，至少三个目标结构对应的部位集合为{y

（1）确定非边缘目标结构对应的图像数量信息：n_middle = (n_(i+1) +...n_(j-1))。

（2）确定非边缘目标结构对应的先验标准信息：r_middle = (r_(i+1) +...r_(j-1))。

（3）基于非边缘目标结构对应的先验标准信息和图像数量信息确定边缘目标结构的完整性参考信息：n_total = floor(n_middle / r_middle)，其中，floor函数用于向下取整。

（4）基于边缘目标结构对应的图像识别信息确定边缘目标结构对应的图像数量信息：部位i的图像数量信息为n_i，部位j的图像数量信息为n_j。

（5）基于完整性参考信息和边缘目标结构对应的先验标准信息确定边缘目标结构对应的完整性标准信息：n_j_true = r_j * n_total，n_i_true = r_i * n_total。

（6）基于边缘目标结构对应的图像数量信息和完整性标准信息，确定边缘目标结构的完整性信息：如果 n_i / n_i_true >= 2/3，起始部位为完整部位，否则起始部位为不完整部位；如果 n_j / n_j_true >= 2/3，结束部位为完整部位，否则结束部位为不完整部位。

本申请实施例提供的图像处理方法，首先基于边缘目标结构对应的图像识别信息确定边缘目标结构对应的图像数量信息，继而基于完整性参考信息和边缘目标结构对应的先验标准信息确定边缘目标结构对应的完整性标准信息，最后基于边缘目标结构对应的图像数量信息和完整性标准信息，实现确定边缘目标结构的完整性信息的目的。在判断边缘目标结构的完整性过程中，除了参考边缘目标结构对应的图像数量信息和先验标准信息之外，还结合了根据非边缘目标结构计算得到的完整性参考信息，进一步提高了边缘目标结构的完整性信息的准确性。

图9所示为本申请另一示例性实施例提供的基于目标结构信息确定目标结构的完整性信息的流程示意图。在本申请图4所示实施例的基础上延伸出本申请图9所示实施例，下面着重叙述图9所示实施例与图4所示实施例的不同之处，相同之处不再赘述。

如图9所示，在本申请实施例提供的图像处理方法中，目标结构的数量为至多两个。由于至多存在两个目标结构，那么，就可认为不存在非边缘结构，即没有中间部位作为参考。与至少三个目标结构的完整性判断方法不同，至多两个目标结构需要在已知人体身高信息和/或图像扫描总张数的前提条件下，根据图像数量信息和先验标准信息，即可确定至多两个目标结构各自对应的完整性信息。

在本申请实施例中，基于目标结构信息确定目标结构的完整性信息步骤，包括如下步骤。

步骤203，基于至多两个目标结构对应的图像识别信息确定至多两个目标结构各自对应的图像数量信息。

具体而言，当从待处理图像序列中识别出至多两个目标结构时，根据图像识别信息确定每个目标结构实际识别图像张数，即确定至多两个目标结构各自对应的图像数量信息。

步骤204，基于至多两个目标结构各自对应的图像数量信息和先验标准信息，确定至多两个目标结构各自对应的完整性信息。

示例性地，步骤204中提到的至多两个目标结构各自对应的图像数量信息表示每个目标结构实际识别图像张数，至多两个目标结构各自对应的先验标准信息表示每个目标结构基于先验知识确定的标准比例信息。通过人体身高信息，可以清晰确定标准比例信息对应的标准识别图像张数。或者在已知图像扫描总张数的情况下，基于标准比例信息和图像扫描总张数计算求得每个目标结构的标准识别图像张数。将每个目标结构的实际识别图像张数与标准识别图像张数作比较，如果实际识别图像张数大于标准识别图像张数的2/3，则至多两个目标结构中的每个目标结构是完整的，反之，至多两个目标结构中的目标结构不完整。

示例性地，步骤204中提到的至多两个目标结构各自对应的先验标准信息可以是根据诸多样本统计得到的，也可以是根据以往经验和分析得到的，也可以是根据诸多样本参数推断与预测得到的，本申请对此不做具体限定。

在实际应用过程中，首先基于至多两个目标结构对应的图像识别信息确定至多两个目标结构各自对应的图像数量信息，继而基于至多两个目标结构各自对应的图像数量信息和先验标准信息，确定至多两个目标结构各自对应的完整性信息。对于至多两个目标结构的完整性判断，只需要基于目标结构对应的图像数量信息和先验标准信息进行判断即可，获取信息的方式简单方便，而且能够保证完整性信息的准确性。

例如，对于一个身高180cm的人按5mm的层厚、5mm的层距从头到脚扫描得到待处理图像序列。通过人体身高信息，能够清晰确定标准比例信息对应的标准识别图像张数。或者根据先验知识已知每个部位的张数与图像扫描总张数成固定标准比例，通过标准比例和待处理图像序列中的图像扫描总张数可以确定某个部位的标准识别图像张数。将该部位的实际识别图像张数与标准识别图像张数作比较，如果实际识别图像张数大于标准识别图像张数的2/3，则该部位的结构是完整的，反之，该部位结构不完整。

本申请实施例提供的图像处理方法，在至多两个目标结构的完整性判断过程中，只需要基于目标结构对应的图像数量信息和先验标准信息进行判断即可，解决了在没有中间部位作为参考的情况下也能确定至多两个目标结构完整性信息的问题。该方法简单有效并且能够保证完整性信息的准确性。

图10所示为本申请一示例性实施例提供的确定图像识别信息的流程示意图。在本申请图4所示实施例的基础上延伸出本申请图10所示实施例，下面着重叙述图10所示实施例与图4所示实施例的不同之处，相同之处不再赘述。

如图10所示，在本申请实施例提供的图像处理方法中，确定包含目标结构的待处理图像序列对应的目标结构信息步骤包括如下步骤。

步骤101，利用图像识别模型和/或图像识别算法识别待处理图像序列，得到目标结构对应的图像集合。

示例性地，步骤101中提及的图像识别模型可以是通过卷积神经网络模型训练得到的深度学习模型。步骤101中提及的图像识别算法可以是基于特征匹配的算法，比如ORB算子、SIFT+SURF算子等。将待处理图像序列输入图像识别模型和/或图像识别算法中，图像识别模型和/或图像识别算法用于识别待处理图像序列中的目标结构，从而得到目标结构对应的图像集合。

步骤102，基于目标结构对应的图像集合确定图像识别信息。

示例性地，步骤102中提及的图像识别信息是利用图像识别模型和/或图像识别算法对待处理图像序列识别目标结构，基于目标结构对应的图像集合得到的目标结构的实际识别结果，实际识别结果可以包括但不限于目标结构对应的部位类别、目标结构对应的起始张数位置和结束张数位置、目标结构的连续张数区间或目标结构的识别张数等信息。

在实际应用过程中，首先利用图像识别模型和/或图像识别算法识别待处理图像序列，得到目标结构对应的图像集合，继而基于目标结构对应的图像集合确定图像识别信息。通过图像识别模型和/或图像识别算法，对待处理图像序列中的目标结构进行识别，从而确定目标结构及其对应的图像识别信息，为目标结构的完整性判断提供了参考信息，便于确定目标结构的完整性信息。

例如，利用图像识别模型预测一个180张的待处理图像序列，识别出的部位为脑、鼻咽、颈以及胸。确定鼻咽和颈为中间部位，所以鼻咽和颈为完整部位，只需要判断脑和胸的完整性即可。根据先验知识已知这四类部位对应的图像集合加起来占一个完整人对应的图像集合的35%，其中，脑的先验标准比例为4%，胸的先验标准比例为16%，鼻咽和颈的先验标准比例为15%。图像识别模型预测出来的结果为：180张图像中第1到第20张为脑，第21到120张为鼻咽和颈，第120张到180张为胸，则脑部图像的实际识别张数为20张，鼻咽和颈的实际识别张数为100张，胸的实际识别张数为60张。基于先验标准比例和各部位图像实际识别张数进行计算得到，一个完整的脑的标准识别张数应该为(0.04 / 0.15) * 100≈26张，一个完整的胸应该为(0.16 / 0.15) * 100≈106张。脑的实际识别张数有20张多于26张的2/3，脑满足完整性条件。胸的实际识别张数为60张远远小于106的2/3，胸不满足完整性条件。因此图像识别模型预测得到的鼻咽和颈以及脑为完整部位，胸为不完整部位。

本申请实施例提供的图像处理方法，利用图像识别模型和/或图像识别算法识别待处理图像序列，实现了确定目标结构对应的图像集合及其图像识别信息的目的，而且图像识别模型和/或图像识别算法能够达到标准的精度要求，所以识别得到的目标结构及其图像识别信息相对准确，能够作为下一步完整性判断的参考信息。另外，通过本申请实施例提供的图像处理方法，使得阅片人在阅片过程中，无需手动确认目标结构的起始张数位置和结束张数位置，即可确定某个部位的连续张数区间，从而进一步提高了阅片效率。

在本申请其他实施例中，首先建立初始模型，并基于待处理图像序列样本及待处理图像序列样本对应的目标结构训练初始模型，以生成图像识别模型。图像识别模型用于基于待处理图像序列检测待处理图像序列中的目标结构。将待处理图像序列输入训练好的图像识别模型，图像识别模型输出待处理图像序列中的目标结构。通过采用训练好的图像识别模型对待处理图像序列中的目标结构进行识别，在识别精度高效果好的前提下，能够进一步提高判断目标结构的准确性。

图11所示为本申请一示例性实施例提供的对图像识别信息进行异常值平滑处理操作的流程示意图。在本申请图10所示实施例的基础上延伸出本申请图11所示实施例，下面着重叙述图11所示实施例与图10所示实施例的不同之处，相同之处不再赘述。

如图11所示，在本申请实施例提供的图像处理方法中，基于目标结构对应的图像集合确定图像识别信息步骤之后，还包括如下步骤。

步骤1021，对图像识别信息进行异常值平滑处理操作，其中，异常值平滑处理操作用于修正图像识别信息。

具体而言，图像识别信息为图像识别模型输出的图像识别结果，图像识别信息可以包括每一张图像的类别信息。由于图像识别模型并不能达到100%的识别精度，所以会造成个别图像数据对应的最终识别结果不符合实际要求，从而形成异常值。通过异常值平滑处理操作修正图像识别结果中的异常值，为后续的完整性判断提供准确的图像识别信息。

本申请实施例提供的图像处理方法，通过对图像识别信息进行异常值平滑处理操作的方式，实现了提高图像识别信息准确性的目的。通过异常值平滑处理操作，进一步提高了图像识别信息的有效性，有利于后期对目标结构进行完整性判断。

在一实施例中，待处理图像序列为三维医学图像序列，目标结构包括脑，鼻咽，颈，胸，腹，盆腔和下肢中的任意一个或位置连续的多个。该三维医学图像序列可以是由本领域的任意医学影像设备对选定病例采集的医学图像。

图12所示为本申请一示例性实施例提供的图像处理装置的结构示意图。如图12所示，本申请实施例提供的图像处理装置包括：

第一确定模块100，用于确定包含目标结构的待处理图像序列对应的目标结构信息，其中，目标结构信息包括目标结构对应的先验标准信息以及图像识别信息；

第二确定模块200，用于基于目标结构信息确定目标结构的完整性信息。

在本申请一实施例中，第二确定模块200，还用于基于位置关联关系确定至少三个目标结构各自对应的类型，其中，类型包括边缘目标结构和非边缘目标结构；基于目标结构信息和至少三个目标结构各自对应的类型，确定至少三个目标结构各自对应的完整性信息。

在本申请一实施例中，第二确定模块200，还用于基于非边缘目标结构对应的图像识别信息和先验标准信息确定边缘目标结构的完整性参考信息；基于完整性参考信息、边缘目标结构对应的先验标准信息和图像识别信息确定边缘目标结构的完整性信息。

在本申请一实施例中，第二确定模块200，还用于基于非边缘目标结构对应的图像识别信息确定非边缘目标结构对应的图像数量信息20211；基于非边缘目标结构对应的先验标准信息和图像数量信息确定边缘目标结构的完整性参考信息。

在本申请一实施例中，第二确定模块200，还用于基于边缘目标结构对应的图像识别信息确定边缘目标结构对应的图像数量信息；基于完整性参考信息和边缘目标结构对应的先验标准信息确定边缘目标结构对应的完整性标准信息；基于边缘目标结构对应的图像数量信息和完整性标准信息，确定边缘目标结构的完整性信息。

在本申请一实施例中，第二确定模块200，还用于基于至多两个目标结构对应的图像识别信息确定至多两个目标结构各自对应的图像数量信息；基于至多两个目标结构各自对应的图像数量信息和先验标准信息，确定至多两个目标结构各自对应的完整性信息。

在本申请一实施例中，第一确定模块100，还用于利用图像识别模型和/或图像识别算法识别待处理图像序列，得到目标结构对应的图像集合；基于目标结构对应的图像集合确定图像识别信息。

在本申请一实施例中，第一确定模块100，还用于对图像识别信息进行异常值平滑处理操作，其中，异常值平滑处理操作用于修正图像识别信息。

下面，参考图13来描述根据本申请实施例的电子设备。图13所示为本申请一示例性实施例提供的电子设备的结构示意图。

如图13所示，电子设备50包括一个或多个处理器501和存储器502。

处理器501可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备50中的其他组件以执行期望的功能。

存储器502可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器501可以运行所述程序指令，以实现上文所述的本申请的各个实施例的图像处理方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如待处理图像序列等各种内容。

在一个示例中，电子设备50还可以包括：输入装置503和输出装置504，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。

该输入装置503可以包括例如键盘、鼠标等等。

该输出装置504可以向外部输出各种信息，包括确定的目标结构的完整性信息等。该输出装置504可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图13中仅示出了该电子设备50中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备50还可以包括任何其他适当的组件。

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本说明书上述描述的根据本申请各种实施例的图像处理方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述描述的根据本申请各种实施例的图像处理方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。