[发明专利]医疗影像处理方法及装置、处理设备及存储介质有效
申请号: | 201811028337.8 | 申请日: | 2018-09-04 |
公开(公告)号: | CN109360633B | 公开(公告)日: | 2022-08-30 |
发明(设计)人: | 杨爽;李嘉辉;胡志强 | 申请(专利权)人: | 北京市商汤科技开发有限公司 |
主分类号: | G16H30/40 | 分类号: | G16H30/40 |
代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 李梅香;张颖玲 |
地址: | 100084 北京市海淀区中*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 医疗 影像 处理 方法 装置 设备 存储 介质 | ||
1.一种医疗影像处理方法,其特征在于,包括:
获取利用S1个子网络处理后的第一特征图,其中,所述第一特征图至少包括:医疗影像中目标的第一位置信息;
获取利用S2个子网络处理后的第二特征图,其中,所述第二特征图包括:所述医疗影像的语义信息,S2大于S1;S2和S1均为正整数;
所述方法应用于神经网络中;所述神经网络包括:第一网络和第二网络;所述第一网络包括输入阶段和输出阶段;所述输出阶段包括:依次连接的自顶向下的I个第一类子网络;所述第二网络包括:依次连接自底向上的I个第二类子网络;其中,第I个第一类子网络与第1个第二类子网络连接;
融合特征图Pi+1和特征图Ni,得到特征图Ni+1;其中,i为小于I的正整数;
所述特征图Pi+1为所述第一特征图,是第i+1个所述第一类子网络的输出;
所述特征图Ni为所述第二特征图,是第i个所述第二类子网络的输出;
所述第二类子网络的输出为第三特征图;
融合I个所述第二类子网络的输出的所述第三特征图,得到第四特征图;
根据所述第四特征图,得到所述目标的信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述第一特征图和所述第二特征图的对应像素的像素值相加,得到所述第三特征图。
3.根据权利要求1所述的方法,其特征在于,
所述融合I个所述第二类子网络的输出的所述第三特征图,得到第四特征图,包括:
利用自适应池化层对多个所述第三特征图进行融合,得到所述第四特征图。
4.根据权利要求3所述的方法,其特征在于,
所述利用自适应池化层对多个所述第三特征图进行融合,得到所述第四特征图,包括:
对不同的所述第三特征图分别进行兴趣区域ROI的对齐操作;
在执行所述对齐操作之后,选择像素值之和最大的所述三特征图作为所述第四特征图输出。
5.根据权利要求1所述的方法,其特征在于,
所述根据所述第四特征图,得到所述目标的信息,包括:
根据所述第四特征图,获得所述目标的标识信息;
根据所述第四特征图,获得所述目标的边界信息;
根据所述第四特征图,获得目标的分割信息。
6.根据权利要求5所述的方法,其特征在于,
所述根据所述第四特征图,获得目标的分割信息,包括:
利用第一处理路径处理所述第四特征图,得到所述目标的第一分割图像;
利用第二处理路径处理所述第四特征图,得到所述目标的第二分割图像,其中,所述第二处理路径包括:获取全局信息的第一全连接子网络;
融合所述第一分割图像和第二分割图像,获得目标的分割信息。
7.根据权利要求5所述的方法,其特征在于,
所述根据所述第四特征图,得到所述目标的信息,包括:
利用第二全连接子网络获得各所述第四特征图对应的第五特征图;
融合多个所述第五特征图,得到第六特征图;
利用第三全连接子网络获得各所述第六特征图输出第七特征图。
8.根据权利要求1至7任一项所述的方法,其特征在于,
所述第一网络的输入阶段包括:自底向上的I个第三类子网络;
所述获取利用S1个子网络处理后的第一特征图,包括:
融合特征图Si+1和特征图Pi,得到特征图Pi+1;其中,i为小于I的正整数;
所述特征图Si+1为是第i+1个所述第三类子网络的输出。
9.根据权利要求1至7任一项所述的方法,其特征在于,
所述方法还包括:
对所述第三特征图进行形态学操作处理;
所述方法还包括:
基于进行了所述形态学操作处理后的所述第三特征图,得到所述目标的信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811028337.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:临床信息的共享方法、装置及系统
- 下一篇:一种医疗护理人员管理系统