本申请属于医学影像分割领域，尤其涉及一种图像处理方法、装置、设备及存储介质。
背景技术：
1、青光眼是仅次于白内障的全球第二大致盲因素，其致盲是由于视杯的变化阻挡了视盘区域，导致视野变小，在临床诊断中，通常根据患者的彩色眼底图像中视杯与视盘的杯盘比(cdr)进行青光眼疾病的筛查与判断。因此，如何获取精准的视杯与视盘的分割结果显得尤为重要。
2、现有的视杯与视盘的分割结果的获取方法中，利用具有编码解码结构的卷积神经网络，通过编码器从图像中提取特征，再通过解码器输出为给定标准的图像，从而根据图像得到视杯与视盘的分割结果。
3、然而，此方法在卷积操作时会带来一定程度的特征信息的丢失，导致根据图像得到的视杯与视盘分割结果的精确度较差。
技术实现思路
1、本申请实施例提供了一种图像处理方法、装置、设备及存储介质，能够提高视杯与视盘分割结果的精确度。
2、本申请实施例的一方面，提供一种图像处理方法，该方法包括：
3、获取待分割眼底图像，待分割眼底图像为包括视杯和视盘的眼底图像；
4、通过视杯视盘分割模型中的特征编码模块，提取待分割眼底图像中的第一轮廓特征，视杯视盘分割模型是基于分割网络构建的，第一轮廓特征为表征视杯轮廓和视盘轮廓的特征；
5、通过视杯视盘分割模型中的变分自编码器，对第一轮廓特征进行图像重建，生成重建图像；
6、基于待分割眼底图像和重建图像，生成目标损失值，目标损失值用于表征待分割眼底图像与重建图像之间视杯和视盘的损失程度；
7、基于目标损失值，通过视杯视盘分割模型中的特征提取模块，提取待分割眼底图像中的第二轮廓特征，第二轮廓特征为第一轮廓特征中未提取的表征视杯轮廓和视盘轮廓的特征；
8、基于第一轮廓特征和第二轮廓特征，通过视杯视盘分割模型中的特征解码模块，得到待分割眼底图像的视杯视盘分割图像，以使根据视杯视盘分割图像确定杯盘分割结果。
9、本申请实施例的一方面，提供一种图像处理装置，该装置包括：
10、图像获取模块，用于获取待分割眼底图像，待分割眼底图像为包括视杯和视盘的眼底图像；
11、特征提取模块，用于通过视杯视盘分割模型中的特征编码模块，提取待分割眼底图像中的第一轮廓特征，视杯视盘分割模型是基于分割网络构建的，第一轮廓特征为表征视杯轮廓和视盘轮廓的特征；
12、图像重建模块，用于通过视杯视盘分割模型中的变分自编码器，对第一轮廓特征进行图像重建，生成重建图像；
13、损失确定模块，用于基于待分割眼底图像和重建图像，生成目标损失值，目标损失值用于表征待分割眼底图像与重建图像之间视杯和视盘的损失程度；
14、特征提取模块，还用于基于目标损失值，通过视杯视盘分割模型中的特征提取模块，提取待分割眼底图像中的第二轮廓特征，第二轮廓特征为第一轮廓特征中未提取的表征视杯轮廓和视盘轮廓的特征；
15、图像生成模块，用于基于第一轮廓特征和第二轮廓特征，通过视杯视盘分割模型中的特征解码模块，得到待分割眼底图像的视杯视盘分割图像，以使根据视杯视盘分割图像确定杯盘分割结果。
16、本申请实施例的一方面，提供一种电子设备，该设备包括：存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如上述本申请实施例的任意一方面提供的图像处理方法。
17、本申请实施例的一方面，提供一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如上述本申请实施例的任意一方面提供的图像处理方法。
18、本申请实施例的一方面，提供一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行如上述本申请实施例的任意一方面提供的图像处理方法。
19、本申请实施例提供的图像处理方法中，获取待分割眼底图像，然后通过视杯视盘分割模型中的特征编码模块，提取待分割眼底图像中的第一轮廓特征。然后通过视杯视盘分割模型中的变分自编码器，对第一轮廓特征进行图像重建，生成重建图像。根据待分割眼底图像和重建图像，确定待分割眼底图像与重建图像之间视杯和视盘的损失程度，生成目标损失值。然后再基于目标损失值，通过视杯视盘分割模型中的特征提取模块，提取待分割眼底图像中的第二轮廓特征。最后基于第一轮廓特征和第二轮廓特征，通过视杯视盘分割模型中的特征解码模块，得到待分割眼底图像的视杯视盘分割图像，从而根据视杯视盘分割图像确定杯盘分割结果。本申请实施例通过变分自编码器对视杯视盘分割模型中的特征编码模块提取的第一轮廓特征进行图像的重建，根据待分割眼底图像与变分自编码器重建后的重建图像进行对比，生成目标损失值，最后根据目标损失值引导特征编码模块提取待分割眼底图像中更加鲁棒的潜在特征信息。如此，本申请实施例能够提取更为全面准确的特征信息，从而得到更为精确的视杯视盘分割图像，进而可以提高视杯与视盘分割结果的精确度。
1.一种图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取待分割眼底图像之后，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述视杯视盘分割模型中的特征编码模块为残差模块，
4.根据权利要求3所述的方法，其特征在于，所述特征提取层包括归一化层、激活函数以及卷积核，
5.根据权利要求1所述的方法，其特征在于，所述通过视杯视盘分割模型中的变分自编码器，对所述第一轮廓特征进行图像重建，生成重建图像，包括：
6.根据权利要求5所述的方法，其特征在于，所述通过变分自编码器中的自编码模块，对所述第一轮廓特征进行特征提取，得到所述第一轮廓特征的目标隐变量，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一轮廓特征的第一均值、第一方差、第一隐变量以及第一高斯噪声向量，生成所述第一轮廓特征的目标隐变量，包括：
8.一种图像处理装置，其特征在于，所述装置包括：
9.一种图像处理设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
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上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的图像处理方法。
