[發明專利]模型生成方法、目標檢測方法及醫學成像系統

有效

• 申請號: 201810395323.3
• 申請日: 2018-04-27
• 公開（公告）號: CN108597589B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 周鑫;李強
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H50/50
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 金銘

本發明實施例提供了一種模型生成方法、目標檢測方法及醫學成像系統，涉及醫學圖像處理技術領域，通過距離場確定目標邊框，降低了目標檢測的復雜度，提高了求解的穩定性。該方法包括模型生成過程和目標檢測過程：模型生成過程包括：獲取樣本醫學圖像以及樣本醫學圖像對應的樣本目標邊框；根據樣本目標邊框，生成距離場；通過人工智能網絡對樣本醫學圖像與距離場進行學習，得到它們的映射關系；根據映射關系生成人工智能網絡模型。目標檢測過程包括：獲取受檢者目標區域的醫學圖像；通過人工智能網絡模型對醫學圖像進行處理，得到距離場；根據距離場，在醫學圖像中確定目標邊框。本發明實施例提供的技術方案適用于確定醫學圖像中目標區域的過程中。

【技術領域】

本發明涉及醫學圖像處理技術領域，尤其涉及一種模型生成方法、目標檢測方法及醫學成像系統。

【背景技術】

目標檢測是計算機視覺和圖像處理的一種特定任務，其目的是在醫學圖像中確定目標，并在目標上標記一個邊框(Bounding Box，又稱目標邊框)。在醫學圖像處理技術領域中，目標檢測有許多重要應用，比如自動定位器官或者檢測特定病灶。

目前，有很多基于卷積神經網絡的目標檢測方法，目前的方法(比如RCNN(Regionswith CNN features，卷積神經網絡特征區域)、Yolo(You Only Look Once，框選識別統一)等都是基于一種叫做邊框回歸的技術(bounding-box regression)，即將目標邊框定義為四個參數(x，y，w，h)，其中(x,y)是目標邊框的中心點坐標，w和h是目標邊框的寬和高，并以中心點平移和寬高縮放作為數學建模的方法。可以預見的是，若將此模型擴展至三維空間，則會有六個參數，每個參數都需要單獨的回歸方程。邊框回歸的技術的另一個缺陷在于，只有獲選框接近目標框時，寬高縮放變換才能被認為是線性變換。由于目標區域的大小和長寬比都有可能不同，每次進行邊框回歸時，都需要充分采樣，大多數方法建議從九個大小不同長寬比各異的邊框模型開始對目標邊框進行回歸；并且邊框模型的每個參數是獨立的一維，在卷積神經網絡中，需要一個單獨通道去回歸每個參數所在維度的值；更復雜的是，在建立模型時，要在多個參數之間建立平衡，否則訓練時各參數學習會不平衡，容易生成錯誤的模型。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：

現有技術中的目標檢測方法，確定目標邊框時需要多個參數(九個邊框模型，以及每個目標邊框四或六個參數)，增加了問題的復雜度，降低了求解的穩定性。

【發明內容】

有鑒于此，本發明實施例提供了一種模型生成方法、目標檢測方法及醫學成像系統，在目標檢測過程中，通過距離場確定目標邊框，降低了目標檢測的復雜度，提高了求解的穩定性。

第一方面，本發明實施例提供一種模型生成方法，所述方法包括：

獲取樣本醫學圖像以及所述樣本醫學圖像對應的樣本目標邊框；

根據所述樣本目標邊框，生成距離場；

通過人工智能網絡對所述樣本醫學圖像與所述距離場進行學習，得到所述樣本醫學圖像與所述距離場的映射關系；

根據所述映射關系生成人工智能網絡模型。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，

所述距離場包括邊框內距離場；或者，

所述距離場包括邊框內距離場和邊框外距離場；或者，

所述距離場包括邊框內距離場和邊框外距離場的加權組合。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述根據所述樣本目標邊框，生成距離場，包括：

分別對所述樣本目標邊框內外進行二值化處理，并獲取二值化結果；