[發(fā)明專利]圖像識別方法及相關(guān)設(shè)備

在審

• 申請?zhí)枺?/td>: 201910135802.6
• 申請日: 2019-02-21
• 公開（公告）號: CN109978004A
• 公開（公告）日: 2019-07-05
• 發(fā)明（設(shè)計）人: 王健宗;肖京
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G16H50/20
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種圖像識別方法，其特征在于，包括：

將目標肺部掃描圖像輸入至第一神經(jīng)網(wǎng)絡(luò)，以得到針對有結(jié)節(jié)和無結(jié)節(jié)的第一類別概率圖，所述第一神經(jīng)網(wǎng)絡(luò)用于識別所述目標肺部掃描圖像中的結(jié)節(jié)圖像；

將所述第一類別概率圖輸入至第二神經(jīng)網(wǎng)絡(luò)，以得到針對良性結(jié)節(jié)、惡性結(jié)節(jié)和無結(jié)節(jié)的第二類別概率圖，所述第二神經(jīng)網(wǎng)絡(luò)用于識別所述第一類別概率圖中的結(jié)節(jié)圖像的結(jié)節(jié)類型；

根據(jù)所述第一類別概率圖提取所述目標肺部掃描圖像中的結(jié)節(jié)單元，以得到多個結(jié)節(jié)單元；

分別將所述多個結(jié)節(jié)單元中每一結(jié)節(jié)單元輸入至第三神經(jīng)網(wǎng)絡(luò)，以得到針對所述多個結(jié)節(jié)單元中每一結(jié)節(jié)單元的結(jié)節(jié)類型的第三類別概率圖，所述結(jié)節(jié)類型包括良性結(jié)節(jié)和惡性結(jié)節(jié)，所述第三神經(jīng)網(wǎng)絡(luò)用于分別識別所述多個結(jié)節(jié)單元中每一結(jié)節(jié)單元的結(jié)節(jié)類型；

將所述第二類別概率圖和所述第三類別概率圖輸入至第四神經(jīng)網(wǎng)絡(luò)，以得到所述目標肺部掃描圖像對應(yīng)的目標患者的肺癌患病概率，所述第四神經(jīng)網(wǎng)絡(luò)用于對所述第二類別概率圖和所述第三類別概率圖進行分類。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述將目標肺部掃描圖像輸入至第一神經(jīng)網(wǎng)絡(luò)，以得到針對有結(jié)節(jié)和無結(jié)節(jié)的第一類別概率圖之前，所述方法還包括：

獲取待識別的多張肺部掃描圖像；

對所述多張肺部掃描圖像中每一肺部掃描圖像進行形態(tài)學去噪，以得到多張第一處理圖像；

對所述多張第一處理圖像中每一第一處理圖像進行像素歸一化處理，以得到多張第二處理圖像；

根據(jù)所述多張肺部掃描圖像的掃描序列和預(yù)設(shè)尺寸，對所述多張第二處理圖像進行立體堆疊，以得到所述目標肺部掃描圖像。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述將目標肺部掃描圖像輸入至第一神經(jīng)網(wǎng)絡(luò)，以得到針對有結(jié)節(jié)和無結(jié)節(jié)的第一類別概率圖之前，所述方法還包括：

將多張標記圖像中每一標記圖像進行區(qū)域劃分，以得到多張第一圖像，每一第一圖像包括多張均勻網(wǎng)格圖像，每一均勻網(wǎng)格圖像的大小為第一閾值，每一標記圖像包括結(jié)節(jié)標記信息；

從所述多張第一圖像中每一第一圖像提取第二閾值個所述均勻網(wǎng)格圖像，以得到多張第二圖像；

對所述多張第二圖像中每一第二圖像進行尺寸處理，以得到多張第三圖像，每一第三圖像的大小滿足第一初始神經(jīng)網(wǎng)絡(luò)定義的輸入尺寸，所述第一初始神經(jīng)網(wǎng)絡(luò)為沒有定義網(wǎng)絡(luò)參數(shù)的所述第一神經(jīng)網(wǎng)絡(luò)；

根據(jù)所述多張標記圖像中每一標記圖像包括的結(jié)節(jié)標記信息，獲取所述多張第三圖像中每一第三圖像對應(yīng)的參考結(jié)節(jié)位置；

根據(jù)所述多張第三圖像和所述多張第三圖像中每一第三圖像對應(yīng)的參考結(jié)節(jié)位置，對所述第一初始神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，以得到所述第一神經(jīng)網(wǎng)絡(luò)的第一網(wǎng)絡(luò)參數(shù)；

根據(jù)所述第一初始神經(jīng)網(wǎng)絡(luò)和所述第一網(wǎng)絡(luò)參數(shù)獲取所述第一神經(jīng)網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對所述多張第二圖像中每一第二圖像進行尺寸處理，以得到多張第三圖像，包括：

提取所述多張第二圖像中存在結(jié)節(jié)的均勻網(wǎng)格圖像，以得到多張第四圖像；

對所述多張第二圖像中每一第二圖像的第四圖像進行復(fù)制處理，以得到所述多張第三圖像。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

對所述多張第四圖像中每一第四圖像進行數(shù)據(jù)增強，以得到多張第五圖像；

根據(jù)所述多張標記圖像中每一標記圖像包括的結(jié)節(jié)標記信息，獲取所述多張第五圖像中每一第五圖像對應(yīng)的參考結(jié)節(jié)類型；

根據(jù)所述多張第五圖像和所述多張第五圖像中每一第五圖像對應(yīng)的參考結(jié)節(jié)類型，對第二初始神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，以得到所述第三神經(jīng)網(wǎng)絡(luò)的第二網(wǎng)絡(luò)參數(shù)，所述第二初始神經(jīng)網(wǎng)絡(luò)為沒有定義網(wǎng)絡(luò)參數(shù)的所述第三神經(jīng)網(wǎng)絡(luò)。