[發明專利]一種圖像異常檢測方法及存儲介質

在審

• 申請號: 202011065536.3
• 申請日: 2020-09-30
• 公開（公告）號: CN112634193A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 王乾;郭宇宇;魏冬銘;宣鍇
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海世圓知識產權代理有限公司 31320
• 代理人: 陳穎潔;王佳妮

1.一種圖像異常檢測方法，其特征在于，包括如下步驟：

獲取步驟，獲取多個患者心臟影像以及正常心臟影像的數據化樣本，每一數據化樣本包括一心臟影像被數據化處理后獲得的一組影像數據；

樣本標簽步驟，將所述心臟影像標注標簽，所述標簽為所述心臟影像的疾病類別；

樣本分類步驟，將所述數據化樣本分成訓練樣本及測試樣本兩類；

數據模型構建步驟，利用所述訓練樣本的影像數據及組別標簽構建并訓練初級數據模型；

驗證步驟，根據至少一測試樣本的影像數據對所述初級數據模型進行交叉驗證處理；

數據模型優化步驟，根據交叉驗證的結果構建優化數據模型；

被檢測樣本采集步驟，采集一被檢測樣本，其為一被檢測人的心臟圖像的數據化樣本，包括該被檢測人的心臟圖像被數據化處理后獲得的一組影像數據；以及

判斷步驟，將所述待檢測樣本錄入至所述優化數據模型，所述優化數據模型獲取所述待檢測樣本的組別標簽，輸出所述被檢測人的標簽類別。

2.如權利要求1所述的圖像異常檢測方法，其特征在于，

所述獲取步驟，包括如下步驟：

影像獲取步驟，采用CT機拍攝患者的心臟；

樣本預處理步驟，對心臟影像圖進行深度學習的數據化處理，獲取兩組以上影像數據，每一組影像數據包括至少一特征數據；

數據化樣本生成步驟，生成兩個以上數據化樣本，每一數據化樣本包括一該患者心臟圖像數據化處理后獲得的一組影像數據。

3.如權利要求2所述的圖像異常檢測方法，其特征在于，

所述樣本預處理步驟，包括如下步驟：

分區步驟，將每一心臟圖像分成兩個以上特征區域；以及

特征提取步驟，對每一特征區域進行卷積池化處理，提取每一特征區域的特征數據；所有特征區域的特征數據的集合即為所述影像數據。

4.如權利要求1所述的圖像異常檢測方法，其特征在于，

所述初級數據模型包括RPN網絡與Fast R-CNN網絡，

所述RPN網絡與Fast R-CNN網絡共享底層卷積層，底層卷積層包括五層卷積層，

底層卷積層后包括第六卷積層，第六卷積層連接兩個卷積分支，通過兩個卷積分支分別輸出初始區域分類得分與邊界框，構成RPN網絡，通過RPN網絡提取目標骨骼的初始興趣區域；所述底層卷積層通過ROI池化層連接第一全連接層和第二全連接層，所述第一全連接層和第二全連接層根據所述初始興趣區域分別輸出分類得分與邊界框位置坐標。

5.如權利要求1所述的圖像異常檢測方法，其特征在于，

所述驗證步驟，包括如下步驟：

測試樣本的組別標簽預估步驟，將一測試樣本的一組影像數據與所述初級數據模型相乘，對其乘積進行四舍五入處理，獲取該測試樣本的組別標簽預估值；或者，將一測試樣本的兩組以上質譜數據與所述數據模型相乘，將其乘積按照數值大小排成數列，對其中位值進行四舍五入處理，獲取該測試樣本的組別標簽預估值；

測試樣本的組別標簽對比步驟，將該測試樣本的組別標簽預估值與其組別標簽對比，判斷所述初級數據模型的準確率。

6.如權利要求1所述的圖像異常檢測方法，其特征在于，

在所述數據模型優化步驟中，

當所述初級數據模型的準確率小于一預設閾值時，

返回所述樣本分組步驟，重新選擇訓練樣本。

7.如權利要求1所述的圖像異常檢測方法，其特征在于，

所述被檢測樣本采集步驟，包括如下步驟：

被檢測影像獲取步驟，采用CT機拍攝一被檢測人的心臟影像圖；

被檢測樣本預處理步驟，對所述檢測的心臟影像圖進行數據化處理，獲取一組被檢測影像數據，包括至少一被檢測特征數據；

被檢測數據化樣本生成步驟，生成一被檢測數據化樣本，包括所述被檢測影像數據。