[發明專利]基于時序建模的部位識別方法和裝置

在審

• 申請號: 202010558638.2
• 申請日: 2020-06-18
• 公開（公告）號: CN111915553A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 張笑;周振;俞益洲;李一鳴
• 申請（專利權）人: 杭州深睿博聯科技有限公司;北京深睿博聯科技有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 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

1.一種基于時序建模的部位識別方法，其特征在于，包括：

將電子計算機斷層掃描得到的多個斷層掃描圖像輸入二維卷積神經網絡模型進行特征提取；

獲取所述二維卷積神經網絡模型輸出的特征圖序列，其中，所述特征圖序列包括與所述多個斷層掃描圖像分別對應的多個特征圖，所述多個特征圖按照電子計算機斷層掃描的時間順序排列；以及

將所述特征圖序列輸入循環神經網絡模型以獲取部位識別結果。

2.根據權利要求1所述的方法，其特征在于，所述二維卷積神經網絡模型包括全連接層，其中，在將電子計算機斷層掃描得到的多個斷層掃描圖像輸入二維卷積神經網絡模型進行特征提取后，進一步包括：

獲取所述全連接層輸出的與所述多個斷層掃描圖像分別對應的初步部位識別結果。

3.根據權利要求1所述的方法，其特征在于，所述二維卷積神經網絡模型通過如下訓練過程建立：

將帶有第一部位識別標簽的斷層掃描圖像樣本輸入所述二維卷積神經網絡模型；

獲取所述二維卷積神經網絡輸出的第一部位預測結果；以及

根據所述第一部位預測結果與所述第一部位識別標簽之間的差別調整所述二維卷積神經網絡模型的網絡參數。

4.根據權利要求1所述的方法，其特征在于，所述循環神經網絡模型通過如下訓練過程建立：

將帶有第二部位識別標簽的圖像特征序列樣本輸入所述循環神經網絡模型，其中，所述圖像特征序列樣本通過將多個斷層掃描圖像樣本輸入所述二維間距神經網絡獲取；

獲取所述循環神經網絡模型輸出的第二部位預測結果；以及

根據所述第二部位預測結果與所述第二部位識別標簽之間的差別調整所述循環神經網絡模型的網絡參數。

5.一種基于時序建模的部位識別裝置，其特征在于，包括：

特征提取模塊，配置為將電子計算機斷層掃描得到的多個斷層掃描圖像輸入二維卷積神經網絡模型進行特征提取；

特征圖序列獲取模塊，配置為獲取所述二維卷積神經網絡模型輸出的特征圖序列，其中，所述特征圖序列包括與所述多個斷層掃描圖像分別對應的多個特征圖，所述多個特征圖按照電子計算機斷層掃描的時間順序排列；以及

部位識別模塊，配置為將所述特征圖序列輸入循環神經網絡模型以獲取部位識別結果。

6.根據權利要求5所述的裝置，其特征在于，所述二維卷積神經網絡模型包括全連接層，其中所述裝置進一步包括：

初步部位識別模塊，配置為在將電子計算機斷層掃描得到的多個斷層掃描圖像輸入二維卷積神經網絡模型進行特征提取后，獲取所述全連接層輸出的與所述多個斷層掃描圖像分別對應的初步部位識別結果。

7.根據權利要求5所述的裝置，其特征在于，進一步包括：

第一訓練模塊，配置為通過如下訓練過程建立所述二維卷積神經網絡模型：

將帶有第一部位識別標簽的斷層掃描圖像樣本輸入所述二維卷積神經網絡模型；

獲取所述二維卷積神經網絡輸出的第一部位預測結果；以及

根據所述第一部位預測結果與所述第一部位識別標簽之間的差別調整所述二維卷積神經網絡模型的網絡參數。

8.根據權利要求5所述的裝置，其特征在于，進一步包括：

第二訓練模塊，配置為通過如下訓練過程建立所述循環神經網絡模型：

將帶有第二部位識別標簽的圖像特征序列樣本輸入所述循環神經網絡模型，其中，所述圖像特征序列樣本通過將多個斷層掃描圖像樣本輸入所述二維間距神經網絡獲取；

獲取所述循環神經網絡模型輸出的第二部位預測結果；以及

根據所述第二部位預測結果與所述第二部位識別標簽之間的差別調整所述循環神經網絡模型的網絡參數。

9.一種電子設備，包括：

處理器；以及

存儲器，在所述存儲器中存儲有計算機程序指令，所述計算機程序指令在被所述處理器運行時使得所述處理器執行如權利要求1至4中任一所述的方法。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序指令，所述計算機程序指令在被處理器運行時使得所述處理器執行如權利要求1至4中任一所述的方法。