[發明專利]腫瘤檢測方法及腫瘤檢測裝置

在審

• 申請號: 201910621818.8
• 申請日: 2019-07-10
• 公開（公告）號: CN112288672A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 林子甄;郭錦斌;蔡東佐;孫國欽;陳怡樺;李宛真
• 申請（專利權）人: 富泰華工業（深圳）有限公司;鴻海精密工業股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 彭輝劍;龔慧惠

1.一種腫瘤檢測方法，其特征在于，所述腫瘤檢測方法包括如下步驟：

獲取檢測圖像；

依據卷積神經網絡架構的訓練數據的輸入尺寸，將所述檢測圖像進行重疊切割，以形成多個圖像塊，并標記切割之前的每個所述圖像塊的坐標值；

將多個所述圖像塊分別輸入至預設的識別檢測模型中，獲取相應的檢測結果圖像塊；

依據所述圖像塊的坐標值將所述檢測結果圖像塊拼合成檢測結果圖像，以獲取腫瘤的檢測結果，其中所述檢測結果圖像中，正常區域、非正常區域及其重疊區域顯示為不同的顏色，依據檢測結果圖像的色深來獲取檢測結果。

2.如權利要求1所述的腫瘤檢測方法，其特征在于，

所述圖像塊呈方形，每個所述圖像塊分別與其相鄰所述圖像塊部分重疊。

3.如權利要求2所述的腫瘤檢測方法，其特征在于，

每個所述圖像塊分別與其四邊相鄰的每個所述圖像塊的重疊面積占所述圖像塊面積的一半，每個所述圖像塊分別與沿其對角方向相鄰的每個所述圖像塊的重疊面積占所述圖像塊面積的四分之一。

4.如權利要求1所述的腫瘤檢測方法，其特征在于，所述識別檢測模型的建立方法包含如下步驟：

獲取歷史圖像；

依據卷積神經網絡架構的訓練數據的輸入尺寸，將所述歷史圖像切割成多個圖像塊；

利用所述圖像塊訓練卷積神經網絡架構，獲取所述識別檢測模型。

5.如權利要求4所述的腫瘤檢測方法，其特征在于，依據卷積神經網絡架構的訓練數據的輸入尺寸，將所述歷史圖像切割成若干圖像塊之后，還包括步驟：

清除處理所述圖像塊，所述清除處理包括清除背景占比超過50％的所述圖像塊。

6.如權利要求5所述的腫瘤檢測方法，其特征在于，還包括步驟：

利用圖片增廣技術擴大所述訓練數據的規模，所述圖片增廣技術包括圖像扭曲、翻轉、顏色空間變換及鏡像中的一種或多種。

7.一種腫瘤檢測裝置，所述腫瘤檢測裝置包括：

顯示單元；

處理器；以及

存儲器，所述存儲器中存儲有多個程序模塊，其特征在于，多個所述程序模塊由所述處理器運行并執行如下步驟：

獲取檢測圖像；

依據卷積神經網絡架構的訓練數據的輸入尺寸，將所述檢測圖像進行重疊切割，以形成多個圖像塊，并標記切割之前的每個所述圖像塊的坐標值；

將多個所述圖像塊分別輸入至預設的識別檢測模型中，獲取相應的檢測結果圖像塊；

依據所述圖像塊的坐標值將所述檢測結果圖像塊拼合成檢測結果圖像，以獲取腫瘤的檢測結果，其中所述檢測結果圖像中，正常區域、非正常區域及其重疊區域顯示為不同的顏色，依據檢測結果圖像的色深來獲取檢測結果。

8.如權利要求7所述的腫瘤檢測裝置，其特征在于，

所述圖像塊呈方形，每個所述圖像塊分別與其相鄰所述圖像塊部分重疊。

9.如權利要求8所述的腫瘤檢測裝置，其特征在于，每個所述圖像塊分別與其四邊相鄰的每個所述圖像塊的重疊面積占所述圖像塊面積的一半，每個所述圖像塊分別與沿其對角方向相鄰的每個所述圖像塊的重疊面積占所述圖像塊面積的四分之一。

10.如權利要求7所述的腫瘤檢測裝置，其特征在于，多個所述程序模塊由所述處理器運行時還執行如下步驟：

獲取歷史圖像；

依據卷積神經網絡架構的訓練數據的輸入尺寸，將所述歷史圖像切割成多個圖像塊；

利用所述圖像塊訓練卷積神經網絡架構，獲取識別檢測模型。

11.如權利要求10所述的腫瘤檢測裝置，其特征在于，依據卷積神經網絡架構的訓練數據的輸入尺寸，將所述歷史圖像切割成若干圖像塊之后，還包括步驟：

清除處理所述圖像塊，所述清除處理包括清除背景占比超過50％的所述圖像塊。

12.如權利要求11所述的腫瘤檢測裝置，其特征在于，多個所述程序模塊由所述處理器運行時還執行步驟：

利用圖片增廣技術擴大所述訓練數據的規模，所述圖片增廣技術包括圖像扭曲、翻轉、顏色空間變換及鏡像中的一種或多種。