[發(fā)明專利]圖像區(qū)域定位方法、裝置、存儲介質(zhì)和醫(yī)學影像處理設(shè)備

有效

• 申請?zhí)枺?/td>: 201910082060.5
• 申請日: 2019-01-28
• 公開（公告）號: CN109872364B
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計）人: 柴志忠;曹世磊;馬鍇;鄭冶楓
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06T7/00
• 代理公司: 深圳翼盛智成知識產(chǎn)權(quán)事務(wù)所(普通合伙) 44300
• 代理人: 黃威

本申請實施例公開了一種圖像區(qū)域定位方法、裝置、存儲介質(zhì)和醫(yī)學影像處理設(shè)備；本申請實施例可以獲取目標部位的多張二維圖像；對二維圖像進行特征提取，得到二維圖像的全局高層特征和全局低層特征；分別對全局高層特征和全局低層特征進行特征采樣，得到局部高層特征和局部低層特征；將局部高層特征和局部低層特征進行特征融合，得到融合后特征；基于融合后特征進行區(qū)域定位，得到對象區(qū)域位于多張二維圖像中的位置信息。該方案很好地保留了三維圖像的整體和細節(jié)特征信息，同時，在二維層面處理三維圖像可以降低對計算機資源的消耗，由此，提高了定位的精確度和速度，提升了基于三維影像的對象區(qū)域定位效率。

技術(shù)領(lǐng)域

本申請涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種圖像區(qū)域定位方法、裝置、存儲介質(zhì)和醫(yī)學影像處理設(shè)備。

背景技術(shù)

隨著人工智能(AI，Artificial Intelligence)算法的不斷升級，AI圖像處理的功能越來越強，相比于利用傳統(tǒng)圖像處理技術(shù)，通過AI可以更智能、高效、精確地處理圖像。比如，AI處理后的醫(yī)學影像(Medical Imaging)能夠更好地輔助醫(yī)護人員得知病患的病情。

然而，目前通過AI對三維影像進行處理時存在著定位準確度低、定位速度慢以及大量消耗計算機資源等問題，導致了AI對三維影像中對象區(qū)域定位的效率低下。

發(fā)明內(nèi)容

本申請實施例提供一種方法、裝置、存儲介質(zhì)和醫(yī)學影像處理設(shè)備，可以提升基于三維影像的對象區(qū)域定位效率。

本申請實施例提供一種圖像區(qū)域定位方法，包括：

獲取目標部位的多張二維圖像；

對所述二維圖像進行特征提取，得到所述二維圖像的全局高層特征和全局低層特征；

分別對所述全局高層特征和全局低層特征進行特征采樣，得到局部高層特征和局部低層特征；

將所述局部高層特征和局部低層特征進行特征融合，得到融合后特征；

基于所述融合后特征進行區(qū)域定位，得到對象區(qū)域位于所述多張二維圖像中的位置信息。

在一些實施例中，對所述二維圖像進行特征提取，得到所述二維圖像的全局高層特征和全局低層特征，包括：

通過特征提取網(wǎng)絡(luò)對所述二維圖像進行特征提取，得到所述二維圖像的高層特征和低層特征；

分別對所述高層特征和低層特征進行特征整合，得所述二維圖像的全局高層特征和全局低層特征。

在一些實施例中，所述特征提取網(wǎng)絡(luò)包括深度可分離卷積網(wǎng)絡(luò)以及稠密金字塔網(wǎng)絡(luò)，所述通過特征提取網(wǎng)絡(luò)對所述二維圖像進行特征提取，得到所述二維圖像的高層特征和低層特征，包括：

通過深度可分離卷積網(wǎng)絡(luò)對所述二維圖像進行特征提取，得到所述二維圖像的低層特征和待處理高層特征；

通過稠密金字塔網(wǎng)絡(luò)對所述待處理高層特征進行不同感受野的稠密化處理，得到高層特征。

在一些實施例中，分別對所述全局高層特征和全局低層特征進行特征采樣，得到局部高層特征和局部低層特征，包括：

分別在所述全局高層特征和全局低層特征上移動采集區(qū)域，得到移動后采集區(qū)域，其中，所述移動后采集區(qū)域與移動前采集區(qū)域部分相交；

分別對所述全局高層特征和全局低層特征上的移動后采集區(qū)域進行采樣操作，得到局部高層特征和局部低層特征。

在一些實施例中，所述基于所述融合后特征進行區(qū)域定位，得到對象區(qū)域位于所述多張二維圖像中的位置信息，還包括：

采集目標部位的多張二維圖像樣本，其中所述二維圖像樣本標注了所述對象區(qū)域位于所述多張二維圖像中的位置信息；