[發明專利]對3D圖像中對象進行檢測的方法、計算機存儲介質和系統

有效

• 申請號: 201711249474.X
• 申請日: 2017-12-01
• 公開（公告）號: CN108022238B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 宋麒;孫善輝;陳翰博;白軍杰;高峰;尹游兵
• 申請（專利權）人: 深圳科亞醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 北京金信知識產權代理有限公司 11225
• 代理人: 黃威;夏東棟

1.一種計算機實現的對3D圖像中對象進行檢測的方法，其特征在于，所述方法包括以下步驟：

利用處理器，基于所述3D圖像直接使用3D學習網絡得到一組特征映射，各個特征映射分別針對相應的不同對象尺寸，所述特征映射的每個柵格對應于所述3D圖像中的區域，所述特征映射的柵格表示所述3D圖像中與該柵格對應的區域內包含相應尺寸的對象的概率相關參數；

利用處理器，對于所述3D圖像中的每個所述區域，基于該組特征映射中對應于該區域的各個柵格，來確定該區域中包含的對象的尺寸；以及

利用處理器，將所確定尺寸的對象的位置從特征映射的第一坐標系轉換到3D圖像的第二坐標系中，以得到所述第二坐標系中所確定尺寸的對象的定位。

2.根據權利要求1所述的對3D圖像中對象進行檢測的方法，其特征在于，所述3D學習網絡是3D卷積網絡。

3.根據權利要求1所述的對3D圖像中對象進行檢測的方法，其特征在于，所述3D圖像是完整的3D圖像或者3D圖像的部分。

4.根據權利要求1所述的對3D圖像中對象進行檢測的方法，其特征在于，確定該區域中包含的對象的尺寸包括：

為每個特征空間下的像素點設置多個錨框，每個錨框對應一個精確尺寸，通過回歸方法找到所述錨框對應的精確尺寸，然后利用非極大抑制方法來得到該對象的尺寸。

5.根據權利要求3所述的對3D圖像中對象進行檢測的方法，其特征在于，所述方法還包括，在所述3D圖像是3D圖像的部分的情況下：將為3D圖像的各個部分得到的對象的檢測結果進行拼合。

6.根據權利要求1所述的對3D圖像中對象進行檢測的方法，其特征在于，使用3D學習網絡基于所述3D圖像得到一組特征映射的步驟包括：

利用滑動窗口從所述3D圖像生成圖像塊；

利用3D學習網絡對所生成的圖像塊分別進行計算，以得到所述一組特征映射。

7.根據權利要求1所述的對3D圖像中對象進行檢測的方法，其特征在于，所述3D學習網絡是3D全卷積網絡。

8.根據權利要求5所述的對3D圖像中對象進行檢測的方法，其特征在于，所述3D圖像的所述部分是通過沿縱軸對所述3D圖像劃分所得的組塊。

9.根據權利要求1所述的對3D圖像中對象進行檢測的方法，其特征在于，所述對象包括結節，所述3D圖像包括容積CT圖像。

10.根據權利要求6所述的對3D圖像中對象進行檢測的方法，其特征在于，所利用的滑動窗口具有不同尺寸，使得所得到的特征映射是多尺度的。

11.根據權利要求7所述的對3D圖像中對象進行檢測的方法，其特征在于，基于對應于該區域的各個柵格來確定該區域中包含的對象的尺寸的步驟包括：

對所得到的一組特征映射進行下采樣，以得到可變尺度的特征映射的組；

基于可變尺度的特征映射的組中多組特征映射對應于同個區域的數個柵格，來確定該區域中包含的對象的尺寸。

12.根據權利要求1所述的對3D圖像中對象進行檢測的方法，其特征在于，所述3D學習網絡包括第一網絡和至少第二網絡，所述第一網絡被配置為用于得到第一尺度的所述一組特征映射，所述第二網絡被配置為用于得到第二尺度的所述一組特征映射，所述第一尺度和所述第二尺度不同，

基于對應于該區域的各個柵格來確定該區域中包含的對象的尺寸的步驟包括：基于第一尺度的特征映射的組和第二尺度的特征映射的組中對應于同個區域的數個柵格，來確定該區域中包含的對象的尺寸。

13.根據權利要求1-4中任何一項所述的對3D圖像中對象進行檢測的方法，其特征在于，使用3D學習網絡基于所述3D圖像得到多個特征映射的步驟包括：對所述3D圖像進行分割；利用分割的結果作為約束條件來執行該步驟。