[發明專利]基于深度學習的膽結石自動識別及分割系統、計算機設備、存儲介質

在審

• 申請號: 202011302775.6
• 申請日: 2020-11-19
• 公開（公告）號: CN112233777A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 宋弢;孟凡;王珣;謝鵬飛;李穎;龐皓月
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06T7/00;G06T7/11;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于深度學習的膽結石自動識別及圖像自動分割系統，屬于圖像識別及圖像分割技術領域。該系統包括基于目標檢測及目標分割模型，所述的目標檢測和目標分割模型包括：特征提取網絡、以及兩個分支網絡包括目標檢測網絡和目標分割網絡；首先利用特征提取網絡對輸入的腹部CT圖像進行卷積池化等操作特征提取，將提取的特征圖利用目標檢測網絡進行回歸以及分類，輸出膽結石的位置與概率；同時，圖像分割網絡利用反卷積將卷積和池化的特征圖進行上采樣，將圖像恢復到原圖像大小，并最終得到膽結石的分割后的輪廓，即掩膜，可以清晰地定量分析膽結石的大小及形狀等特征。

技術領域

本發明涉及圖像識別技術與圖像分割技術領域，特別涉及基于深度學習的膽結石自動識別及分割系統、計算機設備、存儲介質。

背景技術

膽結石是世界范圍內的常見病，在傳統診斷方法中，醫師通過采集的醫學圖像，按照以往的經驗對膽結石進行提取和標記，這種依靠經驗的診斷方法帶來極大的主觀性，同時膽結石的CT影像特征與急性膽囊炎等疾病的特征及其相似，極易造成漏診和誤診，對于醫生的經驗及專業素養有極大的依賴，診斷的準確性受到限制。

醫療領域逐步開始借助人工智能技術與計算機視覺的相關技術進行輔助診斷，而且有很多成功的案例，在肺結節人工智能識別以及皮膚病的人工智能識別方面，人工智能技術已經超過人類醫師的診斷效果，膽結石作為一種常見且漏診和誤診率高的疾病，亟需一種人工智能識別手段對醫生進行輔助，膽結石的大小和形狀對后續的治療也具有重要影響，現階段也是通過醫師對輪廓進行手動勾畫，存在極大的主觀性，因此對膽結石的形態進行自動提取也是及其必要的。

發明內容

本發明實施例提供了一種基于深度學習的膽結石自動識別及分割系統、計算機設備、存儲介質為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現一些概念，以此作為后面的詳細說明的序言。

根據本發明實施例的第一方面，提供了一種基于深度學習的膽結石自動識別及自動分割系統。

在一些可選實施例中，所述系統包括目標檢測與目標分割模型，目標檢測與目標分割模型包括：特征提取網絡，以及兩個分支網絡包括目標檢測網絡和目標分割網絡，首先利用特征提取網絡對輸入的腹部CT圖像進行卷積池化等操作特征提取；將提取的特征圖利用目標檢測網絡進行回歸以及分類，輸出膽結石的位置與概率；同時，圖像分割網絡利用反卷積將卷積和池化的特征圖進行上采樣，將圖像恢復到原圖像大小，并最終得到膽結石的分割后的輪廓，可以清晰地定量分析膽結石的大小及形狀等特征。

可選的，所述特征提取網絡使用跳躍金字塔模塊對膽結石CT圖像的特征進行多尺度提取，其核心思想在于使用多個不同大小的卷積核對全局特征及精細特征進行提取，多個不同大小的卷積核進行并聯，提取不同尺度特征后將所有特征圖進行連接。

可選的，所述的目標檢測網絡中候選區生成器的對特征提取后的特征圖進行篩選，生成膽結石的候選區域的步驟，其具體包括：將經過特征提提取網絡后的特征圖設定預定個數的候選區域，從而獲取特定個數的候選區域，將這些候選區域送入區域候選網絡進行二值分類和限定框回歸，過濾掉一部分候選區域，對剩下的候選區域進行ROIAlign操作，即把原圖的特征圖與像素對應起來。

可選的，所述的目標分割網絡即對腹部CT圖像的每個像素點進行分類，確定每個點所屬的類別，目標分割網絡作為一個分支連接到特征提取網絡之后，主要進行反卷積操作，形成一個U形網絡，其具體包括：特征提取網絡后得到的特征圖反卷積進行上采樣，與裁剪之前的低層特征圖，進行融合；然后再次上采樣。重復這個過程，直到獲得輸出與原圖大小相同的特征圖，最后經過歸一化指數函數后獲得最終的輸出特征圖，即每個像素的分類結果。