[发明专利]从3D图像自动检测目标对象的计算机实现方法和系统

权利要求书

1.一种从3D图像自动检测目标对象的计算机实现方法，包括：

接收由成像装置获取的3D图像；

由处理器使用3D学习网络检测包含所述目标对象的多个边界框，其中，所述3D学习网络被训练以基于所述3D图像生成具有变化尺度的多个特征映射，其中所述多个特征映射分别对应于多个不同尺寸的所述目标对象；所述3D学习网络包括分割网络部分和检测网络部分，使用3D学习网络检测所述多个边界框包括：使用所述分割网络部分来分割3D图像以获得潜在区域，并且使用所述潜在区域来约束所述多个边界框的检测；

由处理器使用所述3D学习网络确定识别各个检测到的边界框的一组参数；以及

由处理器基于所述一组参数定位所述目标对象。

2.根据权利要求1所述的计算机实现方法，其中，所述一组参数包括识别所述3D图像中的各个边界框的位置的坐标。

3.如权利要求1所述的计算机实现方法，其中所述一组参数包括识别各个边界框的大小的尺寸。

4.根据权利要求1所述的计算机实现方法，其中所述3D学习网络被训练以对所述一组参数执行回归。

5.根据权利要求1所述的计算机实现方法，进一步包括将多个锚框与所述3D图像相关联，其中所述一组参数指示各个边界框相对于相应锚框的偏移。

6.如权利要求5所述的计算机实现方法，其中，每个锚框与特征映射的栅格单元相关联。

7.根据权利要求6所述的计算机实现方法，其中，所述锚框根据所述特征映射的尺度缩放。

8.根据权利要求1所述的计算机实现方法，其中所述多个特征映射具有变化的图像尺寸。

9.根据权利要求1所述的计算机实现方法，其中所述多个特征映射使用可变尺寸的滑动窗口。

10.根据权利要求1所述的计算机实现方法，还包括创建初始边界框，其中检测包含所述目标对象的多个边界框包括将所述初始边界框分类为与多个标签关联。

11.根据权利要求1所述的计算机实现方法，还包括对检测到的边界框应用非最大抑制。

12.根据权利要求1所述的计算机实现方法，还包括：分割所述3D图像以获得凸包并且使用所述凸包来约束所述多个边界框的检测。

13.根据权利要求1所述的计算机实现方法，其中所述学习网络被进一步训练以在各个检测到的边界框内分割所述目标对象。

14.根据权利要求1所述的计算机实现方法，其中所述成像装置是计算机断层摄影成像系统。

15.根据权利要求1所述的计算机实现方法，其中所述目标对象是肺结节。

16.根据权利要求1所述的计算机实现方法，其中所述学习网络是全卷积神经网络。

17.一种从3D图像自动检测目标对象的系统，包括：

接口，其被配置为接收由成像装置获取的3D图像；以及

处理器，其被配置为：

使用3D学习网络来检测包含所述目标对象的多个边界框，其中所述3D学习网络被训练以基于所述3D图像生成具有变化尺度的多个特征映射，其中所述多个特征映射分别对应于多个不同尺寸的所述目标对象；所述3D学习网络包括分割网络部分和检测网络部分，使用3D学习网络检测所述多个边界框包括：使用所述分割网络部分来分割3D图像以获得潜在区域，并且使用所述潜在区域来约束所述多个边界框的检测；

使用3D学习网络确定识别各个检测出的边界框的一组参数；以及

基于所述一组参数定位所述目标对象。