(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 202210522315.7 (22)申请日 2022.05.13 (71)申请人 北京医准智能科技有限公司 地址 100083 北京市海淀区知春路7号 致真 大厦A座12层1202-120 3号 (72)发明人 刘宇航　丁佳　吕晨翀　 (74)专利代理 机构 北京乐知新创知识产权代理 事务所(普通 合伙) 11734 专利代理师 王曌寅 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01)G06V 10/762(2022.01) G06V 10/44(2022.01) G06T 7/66(2017.01) G06N 3/04(2006.01) (54)发明名称 一种图像处理方法、 装置、 电子设备及可读 存储介质 (57)摘要 本申请公开了一种图像处理方法、 装置、 电 子设备及可读存储介质， 该方法包括： 获取待检 测原始图像， 待检测原始图像包括待检测血管， 待检测血管的血管中心线上包括多个中心点； 基 于第一网络对待检测原始图像进行特征提取， 得 到第一特征； 从第一特征中提取待检测血管的各 中心点的第二特征； 将各中心点的第二特征与各 中心点对应的位置编码进行融合， 得到各中心点 对应的第一融合特征； 基于第二网络对 各中心点 的第一融合特征及各中心点对应的其他中心点 的第一融合特征进行融合处理， 得到各中心点对 应的第二融合特征； 基于第三网络对 各中心点对 应的第二融合特征进行分析， 得到待检测血管的 狭窄分析结果。 实施本申请能够得到准确的血管 狭窄分析 结果。 权利要求书2页 说明书10页 附图3页 CN 114972220 A 2022.08.30 CN 114972220 A 1.一种图像处 理方法， 其特 征在于， 包括： 获取待检测原始图像， 所述待检测原始图像包括待检测血管， 所述待检测血管的血管 中心线上包括多个中心点； 基于第一网络对所述待检测原 始图像进行 特征提取， 得到第一特 征； 从所述第一特 征中提取 所述待检测血 管的各所述中心点的第二特 征； 将各所述中心点的第 二特征与各所述中心点对应的位置编码进行融合， 得到各所述中 心点对应的第一融合特 征； 基于第二网络对各所述中心点的第一融合特征及各所述中心点对应的其他中心点的 第一融合特 征进行融合处 理， 得到各 所述中心点对应的第二融合特 征； 基于第三网络对各所述中心点对应的所述第 二融合特征进行分析， 得到所述待检测血 管的狭窄分析 结果。 2.根据权利要求1所述的图像处理方法， 其特征在于， 所述从所述第 一特征中提取所述 待检测血 管的各中心点的第二特 征， 包括： 确定所述待检测原 始图像中所述待检测血 管的各所述中心点对应的位置信息； 从所述第一特征中提取与 各所述位置信 息对应的目标第 一特征， 得到所述待检测血管 的各中心点的第二特 征。 3.根据权利要求2所述的图像处理方法， 其特征在于， 所述将各所述中心点的第 二特征 与各所述中心点对应的位置编码进行融合， 得到各 所述中心点对应的第一融合特 征， 包括： 基于各所述中心点对应的位置信息计算各 所述中心点对应的位置编码； 将各所述中心点的第 二特征与各所述中心点对应的位置编码进行加和， 得到各所述中 心点对应的第一融合特 征。 4.根据权利要求2所述的图像处 理方法， 其特 征在于， 所述第二网络为图卷积网络； 所述基于第二网络对各所述中心点的第一融合特征及各所述中心点对应的其他中心 点的第一融合特 征进行融合处 理， 得到各 所述中心点对应的第二融合特 征， 包括： 基于多个所述中心点各自对应的位置信息建立无向图， 其中， 所述无向图中每个中心 点为一个结点， 距离小于第一距离阈值的任意两个中心点之间建立 一条边； 基于图卷积网络， 对所述无向图、 各所述中心点的第一融合特征及各所述中心点对应 的其他中心点的第一融合特 征进行处 理， 得到各 所述中心点对应的第二融合特 征。 5.根据权利要求1所述的图像处理方法， 其特征在于， 所述第 三网络包括分类网络及分 级网络； 所述基于第 三网络对各所述中心点对应的所述第 二融合特征进行分析， 得到所述待检 测血管的狭窄分析 结果， 包括： 采用分类网络对各所述中心点对应的所述第 二融合特征进行处理， 得到各所述中心点 对应的狭窄 概率； 确定狭窄概率大于概率阈值的目标中心点， 将所述目标中心点按照距离进行聚类， 得 到多个簇； 基于各所述簇 中的目标中心点对应的第 二融合特征， 计算各所述簇对应的第 三融合特 征； 采用分级 网络对各所述簇对应的所述第 三融合特征进行处理， 得到各所述簇对应的狭权　利　要　求　书 1/2 页 2 CN 114972220 A 2窄等级， 作为所述待检测血 管的狭窄 等级； 基于各所述簇中的目标中心点对应的狭窄概率， 计算各所述簇对应的狭窄概率， 作为 所述待检测血 管的狭窄 概率。 6.根据权利要求5所述的图像处理方法， 其特征在于， 所述将所述目标中心点按照距离 进行聚类， 得到多个簇， 包括： 基于各所述目标中心点的位置信息计算任意两个目标中心点之间的距离； 将距离小于第 二距离阈值的两个目标中心点分配到同一个簇 中， 距离大于或等于第 二 距离阈值的两个目标中心点分配到不同簇中， 得到多个簇 。 7.根据权利要求5所述的图像处理方法， 其特征在于， 所述基于各所述簇 中的目标中心 点对应的第二融合特 征， 计算各 所述簇对应的第三融合特 征， 包括： 将各所述簇 中的目标中心点对应的第 二融合特征进行取平均值处理， 得到各所述簇对 应的第三融合特 征； 相应地， 基于各所述簇中的目标中心点对应的狭窄概率， 计算各所述簇对应的狭窄概率， 作为 所述待检测血 管的狭窄 概率， 包括： 将各所述簇 中的目标中心点对应的狭窄概率进行取平均值处理， 得到各所述簇对应的 狭窄概率， 作为所述待检测血 管的狭窄 概率。 8.一种图像处 理装置， 其特 征在于， 包括： 获取单元， 用于获取待检测原始图像， 所述待检测原始图像包括待检测血管， 所述待检 测血管的血管中心线上包括多个中心点； 第一提取单元， 用于基于第一网络对所述待检测原始图像进行特征提取， 得到第一特 征； 第二提取单元， 用于从所述第 一特征中提取所述待检测血管的各所述中心点的第 二特 征； 第一融合单元， 用于将各所述中心点的第 二特征与各所述中心点对应的位置编码进行 融合， 得到各 所述中心点对应的第一融合特 征； 第二融合单元， 用于基于第 二网络对各所述中心点的第 一融合特征及各所述中心点对 应的其他中心点的第一融合特 征进行融合处 理， 得到各 所述中心点对应的第二融合特 征； 分析单元， 用于基于第三网络对各所述中心点对应的所述第二融合特征进行分析， 得 到所述待检测血 管的狭窄分析 结果。 9.一种电子设备， 其特 征在于， 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 的指令， 所述指令被所述至少一个处理器执行， 以使所 述至少一个处 理器执行如权利要求1 ‑7任意一项所述的图像处 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计算机执 行如权利要求1 ‑7任意一项所述的图像处 理方法。权　利　要　求　书 2/2 页 3 CN 114972220 A 3