[發明專利]一種圖像篩查方法及裝置

有效

• 申請號: 201811626465.2
• 申請日: 2018-12-28
• 公開（公告）號: CN109767429B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 何志強;鄭介志
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種圖像篩查方法，其特征在于，包括：

從胸部X光片中獲取骨骼圖像；

將所述胸部X光片與所述骨骼圖像進行融合處理，得到融合圖像；

將所述融合圖像輸入圖像篩查模型進行篩查，得到圖像篩查結果；所述圖像篩查結果用于篩查圖像中骨骼是否異常；所述圖像篩查模型通過采用樣本融合圖像和所述樣本融合圖像的異常骨骼標簽對深度學習模型進行訓練確定，其中所述深度學習模型中的網絡根據所述樣本融合圖像對應的骨骼圖像的類型確定，所述骨骼圖像的類型指示所述骨骼圖像中異常面積范圍。

2.根據權利要求1所述的方法，其特征在于，所述從胸部X光片中獲取骨骼圖像包括：

對所述胸部X光片進行采樣得到至少兩種不同分辨率的圖像；

將所述至少兩種不同分辨率的圖像分別輸入與之對應的預訓練好的卷積神經網絡，得到至少兩種不同分辨率的輸出骨骼圖像；

對所述至少兩種不同分辨率的輸出骨骼圖像進行多分辨率合成處理，得到骨骼圖像。

3.根據權利要求1所述的方法，其特征在于，所述圖像篩查模型包括采用下述方法確定：

在深度學習模型中輸入樣本融合圖像；所述深度學習模型中的網絡包括分類網絡、檢測網絡或分割網絡；

將所述深度學習模型的輸出與樣本圖像的金標準進行比較并計算圖像損失值，從而反向傳播更新深度學習模型的權重；

通過不斷迭代得到圖像篩查模型。

4.根據權利要求3所述的方法，其特征在于，所述將輸出的樣本融合圖像與樣本圖像的金標準進行比較并計算圖像損失值包括：

對于分類網絡，將所述分類網絡輸出的樣本融合圖像的類別概率與金標準進行比較，計算圖像損失值，所述金標準為圖像的類別信息；

對于檢測網絡，將所述檢測網絡輸出的樣本融合圖像的目標位置和類別概率與金標準進行比較，計算圖像損失值，所述金標準為圖像的目標位置和類別信息；

對于分割網絡，將所述分割網絡輸出的樣本融合圖像中像素所屬類別的概率與金標準進行比較，計算圖像損失值，所述金標準為圖像中像素的類別信息。

5.根據權利要求3所述的方法，其特征在于，所述方法還包括：

當所述樣本融合圖像對應的骨骼圖像的類型為脊柱側彎時，所述深度學習模型中的網絡為分類網絡；

當所述樣本融合圖像對應的骨骼圖像的類型為肋骨骨折時，所述深度學習模型中的網絡為檢測網絡或分割網絡。

6.一種圖像篩查裝置，其特征在于，包括：

骨骼圖像獲取模塊，用于從胸部X光片中獲取骨骼圖像；

圖像融合處理模塊，用于將所述胸部X光片與所述骨骼圖像進行融合處理，得到融合圖像；

圖像篩查模塊，用于將所述融合圖像輸入圖像篩查模型進行篩查，得到圖像篩查結果；所述圖像篩查結果用于篩查圖像中骨骼是否異常；所述圖像篩查模型通過采用樣本融合圖像和所述樣本融合圖像的異常骨骼標簽對深度學習模型進行訓練確定，其中所述深度學習模型中的網絡根據所述樣本融合圖像對應的骨骼圖像的確定，所述骨骼圖像的類型指示所述骨骼圖像中異常面積范圍。

7.根據權利要求6所述的裝置，其特征在于，所述骨骼圖像獲取模塊包括：

分辨率圖像獲取模塊，用于對所述胸部X光片進行采樣得到至少兩種不同分辨率的圖像；

輸出骨骼圖像獲取模塊，用于將所述至少兩種不同分辨率的圖像分別輸入與之對應的三個預訓練好的卷積神經網絡，得到至少兩種不同分辨率的輸出骨骼圖像；

骨骼圖像生成模塊，用于對所述至少兩種不同分辨率的輸出骨骼圖像進行多分辨率合成處理，得到骨骼圖像。