[發(fā)明專利]圖像分析方法及相關(guān)裝置、電子設(shè)備、存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110209414.5
• 申請(qǐng)日: 2021-02-24
• 公開（公告）號(hào): CN112819811A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計(jì)）人: 謝帥寧;趙亮
• 申請(qǐng)（專利權(quán)）人: 上海商湯智能科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/46;G06K9/62
• 代理公司: 深圳市威世博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 何倚雯

1.一種圖像分析方法，其特征在于，包括：

獲取待測(cè)對(duì)象的醫(yī)學(xué)圖像；

對(duì)所述醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖像；

對(duì)所述特征圖像進(jìn)行第一檢測(cè)，得到第一檢測(cè)結(jié)果，其中，所述第一檢測(cè)結(jié)果表示所述醫(yī)學(xué)圖像中存在目標(biāo)區(qū)域的可能性；以及

基于所述第一檢測(cè)結(jié)果，對(duì)所述特征圖像進(jìn)行第二檢測(cè)，得到第二檢測(cè)結(jié)果，其中，所述第二檢測(cè)結(jié)果包括所述目標(biāo)區(qū)域的屬性信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)區(qū)域包括骨折區(qū)域；在所述對(duì)所述醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖像之前，包括：

對(duì)所述醫(yī)學(xué)圖像進(jìn)行第三檢測(cè)，得到包含骨像素點(diǎn)的骨區(qū)域；以及

所述對(duì)所述醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖像，包括：

基于所述骨區(qū)域中的骨像素點(diǎn)，在所述醫(yī)學(xué)圖像中提取得到至少一個(gè)區(qū)域圖像，其中，所述區(qū)域圖像的中心為所述骨像素點(diǎn)；

分別對(duì)所述至少一個(gè)區(qū)域圖像進(jìn)行特征提取，得到所述特征圖像。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述基于所述骨區(qū)域中的骨像素點(diǎn)，在所述醫(yī)學(xué)圖像中提取得到至少一個(gè)區(qū)域圖像之前，所述方法還包括：

獲取位于所述骨區(qū)域的骨架線上的骨像素點(diǎn)，作為候選像素點(diǎn)，并選擇至少一個(gè)所述候選像素點(diǎn)，作為目標(biāo)像素點(diǎn)；

其中，所述區(qū)域圖像的中心為所述目標(biāo)像素點(diǎn)。

4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，在所述分別對(duì)所述至少一個(gè)區(qū)域圖像進(jìn)行特征提取，得到所述特征圖像之前，所述方法還包括：

分別對(duì)所述至少一個(gè)區(qū)域圖像進(jìn)行第四檢測(cè)，得到所述區(qū)域圖像的骨異常情況；以及

所述分別對(duì)所述至少一個(gè)區(qū)域圖像進(jìn)行特征提取，得到所述特征圖像，包括：

對(duì)所述骨異常情況滿足預(yù)設(shè)條件的區(qū)域圖像進(jìn)行特征提取，得到所述特征圖像。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述骨異常情況包括骨異常分值，以及所述預(yù)設(shè)條件包括：所述骨異常分值大于預(yù)設(shè)分值閾值。

6.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的方法，其特征在于，所述對(duì)所述醫(yī)學(xué)圖像進(jìn)行特征提取，得到特征圖像，包括：

利用圖像分析模型的特征提取子網(wǎng)絡(luò)對(duì)所述醫(yī)學(xué)圖像進(jìn)行特征提取，得到所述特征圖像；

和/或，所述對(duì)所述特征圖像進(jìn)行第一檢測(cè)，得到第一檢測(cè)結(jié)果，包括：

利用所述圖像分析模型的第一檢測(cè)子網(wǎng)絡(luò)對(duì)所述特征圖像進(jìn)行第一檢測(cè)，得到所述第一檢測(cè)結(jié)果；

和/或，所述對(duì)所述特征圖像進(jìn)行第二檢測(cè)，得到第二檢測(cè)結(jié)果，包括：

利用所述圖像分析模型的第二檢測(cè)子網(wǎng)絡(luò)對(duì)所述特征圖像進(jìn)行第二檢測(cè)，得到所述第二檢測(cè)結(jié)果。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述圖像分析模型的訓(xùn)練步驟包括：

獲取樣本醫(yī)學(xué)圖像，其中，所述樣本醫(yī)學(xué)圖像標(biāo)注有第一標(biāo)記和第二標(biāo)記，所述第一標(biāo)記表征所述樣本醫(yī)學(xué)圖像中是否存在樣本目標(biāo)區(qū)域，所述第二標(biāo)記表征所述樣本目標(biāo)區(qū)域的樣本屬性信息；

利用所述圖像分析模型的特征提取子網(wǎng)絡(luò)對(duì)所述樣本醫(yī)學(xué)圖像進(jìn)行特征提取，得到樣本特征圖像；

利用所述圖像分析模型的第一檢測(cè)子網(wǎng)絡(luò)對(duì)所述樣本特征圖像進(jìn)行第一檢測(cè)，得到第一預(yù)測(cè)結(jié)果，并利用所述圖像分析模型的第二檢測(cè)子網(wǎng)絡(luò)對(duì)所述特征圖像進(jìn)行第二檢測(cè)，得到第二預(yù)測(cè)結(jié)果；其中，所述第一預(yù)測(cè)結(jié)果表示所述樣本醫(yī)學(xué)圖像中存在樣本目標(biāo)區(qū)域的可能性，所述第二預(yù)測(cè)結(jié)果包括所述樣本目標(biāo)區(qū)域的預(yù)測(cè)屬性信息；

基于所述第一標(biāo)記和所述第一預(yù)測(cè)結(jié)果之間的差異，以及所述第二標(biāo)記和所述第二預(yù)測(cè)結(jié)果之間的差異，調(diào)整所述圖像分析模型的網(wǎng)絡(luò)參數(shù)。

8.根據(jù)權(quán)利要求1至7任一項(xiàng)所述的方法，其特征在于，所述醫(yī)學(xué)圖像為所述待測(cè)對(duì)象的胸部醫(yī)學(xué)圖像，所述目標(biāo)區(qū)域包括骨折區(qū)域，所述屬性信息包括所述骨折區(qū)域的骨折類型；

和/或，所述第一檢測(cè)結(jié)果包括所述醫(yī)學(xué)圖像中存在目標(biāo)區(qū)域的概率值，且所述概率值越大，存在所述目標(biāo)區(qū)域的可能性越高。