[發明專利]一種正位胸片中基于類別關系的異常檢測方法及系統

有效

• 申請號: 202010139192.X
• 申請日: 2020-03-03
• 公開（公告）號: CN111415331B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 廉潔;劉敬禹;剛亞棟;張笑春;朱琳;俞益洲
• 申請（專利權）人: 北京深睿博聯科技有限責任公司;杭州深睿博聯科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06V10/766;G06N5/025;G06F17/18;G06T7/00
• 代理公司: 北京天方智力知識產權代理事務所(普通合伙) 11719
• 代理人: 谷成

1.一種正位胸片中基于類別關系的異常檢測方法，其特征在于，包括：

遍歷所有正位胸片數據，根據圖像標記信息統計各個異常之間的共現頻數，使用條件概率函數求得每個類別與其它類別的共現概率，以此生成有向圖，圖關系用一個鄰接矩陣表示，得到異常之間的共現頻數關系圖；

將不同類別異常的共生關系用一個鄰接矩陣表示，類別知識以此鄰接矩陣為媒介進行共享傳播，利用鄰接矩陣表示不同類別異常的共生關系，生成類別知識庫；

引入全局注意力機制對生成的鄰接矩陣進行稀疏操作，將胸片圖像送入到注意力網絡，得到該圖像的類別概率向量，使用類別概率向量將類別知識庫中的類別知識映射回預測區域，得到預測區域的增強特征；

將增強特征與原始特征拼接起來，進行類別分類和位置回歸。

2.根據權利要求1所述的一種正位胸片中基于類別關系的異常檢測方法，其特征在于，注意力網絡的卷積層與檢測框架中的特征提取網絡共享參數。

3.根據權利要求1所述的一種正位胸片中基于類別關系的異常檢測方法，其特征在于，得到特征圖后，使用全局平均池化操作對特征圖進行降維操作；之后，在池化層后接一層全連接層以得到類別概率向量。

4.根據權利要求1所述的一種正位胸片中基于類別關系的異常檢測方法，其特征在于，用舊分類器的權重參數得到各個預測區域的類別概率向量。

5.根據權利要求1所述的一種正位胸片中基于類別關系的異常檢測方法，其特征在于，將增強特征和原始特征拼接起來構成新的特征表達，并送入新的分類器和回歸器進行類別分類和位置回歸，以得到更好的檢測結果。

6.一種正位胸片中基于類別關系的異常檢測系統，其特征在于，包括：

正位胸片數據遍歷模塊，用于遍歷所有正位胸片數據，根據圖像標記信息統計各個異常之間的共現頻數，使用條件概率函數求得每個類別與其它類別的共現概率，以此生成有向圖，圖關系用一個鄰接矩陣表示，得到異常之間的共現頻數關系圖；

類別知識庫生成模塊，用于將不同類別異常的共生關系用一個鄰接矩陣表示，類別知識以此鄰接矩陣為媒介進行共享傳播，利用鄰接矩陣表示不同類別異常的共生關系，生成類別知識庫；

增強特征獲取模塊，用于引入全局注意力機制對生成的鄰接矩陣進行稀疏操作，將胸片圖像送入到注意力網絡，得到該圖像的類別概率向量，使用類別概率向量將類別知識庫中的類別知識映射回預測區域，得到預測區域的增強特征；

分類與回歸模塊，用于將增強特征與原始特征拼接起來，進行類別分類和位置回歸。

7.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-5任一項所述的一種正位胸片中基于類別關系的異常檢測方法。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-5任一項所述的一種正位胸片中基于類別關系的異常檢測方法。