[發明專利]一種病灶圖像檢測方法和裝置

在審

• 申請號: 202010789021.1
• 申請日: 2020-08-07
• 公開（公告）號: CN111915597A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 周猛
• 申請（專利權）人: 溫州醫科大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06K9/32;G06N3/04
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 王杯

本發明公開了一種病灶圖像檢測方法、裝置、計算機可讀存儲介質以及電子設備，通過獲取待檢測圖像，并且將待檢測圖像輸入神經網絡模型來得到待檢測圖像的病灶圖像；其中，該神經網絡模型包括多層級結構，當前層級結構的輸出特征圖像與上一層級結構的輸出特征圖像融合后輸入下一層級結構，即利用多層級結構的神經網絡模型來實現多尺度的檢測，并且將上一層級結構的輸出特征圖像和當前層級結構的輸出特征圖像融合后作為下一層級結構的輸入，可以將高分辨率和低分辨率的特征圖像進行融合，從而提高病灶圖像檢測的精度和普適性。

技術領域

本申請涉及圖像處理領域，具體涉及一種病灶圖像檢測方法、裝置、計算機可讀存儲介質以及電子設備。

背景技術

隨著醫療影像設備的普及以及國民健康意識的提升，越來越多的疾病會通過醫療影像(如CT影像等)來進行確診，疾病通常在影像上表現為病灶區域，需要花費醫生很多時間進行篩查。隨著醫療影像設備的普及，醫療影像數據幾何倍增長，而放射科醫生的數量增長緩慢，這導致了醫生工作量大幅的增加，這不僅降低了疾病診斷的效率，而且大負荷的工作量也會導致醫生的疲勞工作，很可能會因此帶來漏檢或錯檢的情況，因此，亟需一種可以提高醫療影像中病灶圖像檢測效率和準確性的方法。

發明內容

為了解決上述技術問題，本申請提出了一種病灶圖像檢測方法、裝置、計算機可讀存儲介質以及電子設備，通過獲取待檢測圖像，并且將待檢測圖像輸入神經網絡模型來得到待檢測圖像的病灶圖像；其中，該神經網絡模型包括多層級結構，當前層級結構的輸出特征圖像與上一層級結構的輸出特征圖像融合后輸入下一層級結構，即利用多層級結構的神經網絡模型來實現多尺度的檢測，并且將上一層級結構的輸出特征圖像和當前層級結構的輸出特征圖像融合后作為下一層級結構的輸入，可以將高分辨率和低分辨率的特征圖像進行融合，從而提高病灶圖像檢測的精度和普適性。

根據本申請的一個方面，提供了一種病灶圖像檢測方法，包括：獲取待檢測圖像；以及將所述待檢測圖像輸入神經網絡模型，得到所述待檢測圖像的病灶圖像；其中，所述神經網絡模型包括多層級結構，當前層級結構的輸出特征圖像與上一層級結構的輸出特征圖像融合后輸入下一層級結構。

在一實施例中，所述當前層級結構的輸出特征圖像與上一層級結構的輸出特征圖像融合包括：所述當前層級結構的輸出特征圖像與所述上一層級結構的輸出特征圖像加權疊加。

在一實施例中，所述當前層級結構的輸出特征圖像與上一層級結構的輸出特征圖像加權疊加包括：將所述當前層級結構的輸出特征圖像中的感興趣區域與所述上一層級結構的輸出特征圖像中的感興趣區域加權疊加；其中，所述當前層級結構的輸出特征圖像中的感興趣區域的權重為所述當前層級結構的輸出特征圖像中的感興趣區域為病灶區域的概率，所述上一層級結構的輸出特征圖像中的感興趣區域的權重為所述上一層級結構的輸出特征圖像中的感興趣區域為病灶區域的概率。

在一實施例中，所述當前層級結構的輸出特征圖像中的感興趣區域為病灶區域的概率計算方式包括：比對所述當前層級結構的輸出特征圖像中的感興趣區域與對應的標準特征圖像中對應區域的第一相似度；以及根據所述第一相似度，確定所述當前層級結構的輸出特征圖像中的感興趣區域為病灶區域的概率；和/或所述當上一級結構的輸出特征圖像中的感興趣區域為病灶區域的概率計算方式包括：比對所述上一層級結構的輸出特征圖像中的感興趣區域與對應的標準特征圖像中對應區域的第二相似度；以及根據所述第二相似度，確定所述上一層級結構的輸出特征圖像中的感興趣區域為病灶區域的概率。

在一實施例中，在所述當前層級結構的輸出特征圖像與上一層級結構的輸出特征圖像融合之后，所述檢測方法還包括：對融合后的特征圖像進行預處理，得到預處理后的特征圖像。

在一實施例中，所述預處理包括以下處理方法中的任一種或多種的組合：歸一化處理、二值化處理、增強處理。