[发明专利]图像区域定位方法、装置、存储介质和医学影像处理设备

说明书

本申请实施例公开了一种图像区域定位方法、装置、存储介质和医学影像处理设备；本申请实施例可以获取目标部位的多张二维图像；对二维图像进行特征提取，得到二维图像的全局高层特征和全局低层特征；分别对全局高层特征和全局低层特征进行特征采样，得到局部高层特征和局部低层特征；将局部高层特征和局部低层特征进行特征融合，得到融合后特征；基于融合后特征进行区域定位，得到对象区域位于多张二维图像中的位置信息。该方案很好地保留了三维图像的整体和细节特征信息，同时，在二维层面处理三维图像可以降低对计算机资源的消耗，由此，提高了定位的精确度和速度，提升了基于三维影像的对象区域定位效率。

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像区域定位方法、装置、存储介质和医学影像处理设备。

背景技术

随着人工智能(AI，Artificial Intelligence)算法的不断升级，AI图像处理的功能越来越强，相比于利用传统图像处理技术，通过AI可以更智能、高效、精确地处理图像。比如，AI处理后的医学影像(Medical Imaging)能够更好地辅助医护人员得知病患的病情。

然而，目前通过AI对三维影像进行处理时存在着定位准确度低、定位速度慢以及大量消耗计算机资源等问题，导致了AI对三维影像中对象区域定位的效率低下。

发明内容

本申请实施例提供一种方法、装置、存储介质和医学影像处理设备，可以提升基于三维影像的对象区域定位效率。

本申请实施例提供一种图像区域定位方法，包括：

获取目标部位的多张二维图像；

对所述二维图像进行特征提取，得到所述二维图像的全局高层特征和全局低层特征；

分别对所述全局高层特征和全局低层特征进行特征采样，得到局部高层特征和局部低层特征；

将所述局部高层特征和局部低层特征进行特征融合，得到融合后特征；

基于所述融合后特征进行区域定位，得到对象区域位于所述多张二维图像中的位置信息。

在一些实施例中，对所述二维图像进行特征提取，得到所述二维图像的全局高层特征和全局低层特征，包括：

通过特征提取网络对所述二维图像进行特征提取，得到所述二维图像的高层特征和低层特征；

分别对所述高层特征和低层特征进行特征整合，得所述二维图像的全局高层特征和全局低层特征。

在一些实施例中，所述特征提取网络包括深度可分离卷积网络以及稠密金字塔网络，所述通过特征提取网络对所述二维图像进行特征提取，得到所述二维图像的高层特征和低层特征，包括：

通过深度可分离卷积网络对所述二维图像进行特征提取，得到所述二维图像的低层特征和待处理高层特征；

通过稠密金字塔网络对所述待处理高层特征进行不同感受野的稠密化处理，得到高层特征。

在一些实施例中，分别对所述全局高层特征和全局低层特征进行特征采样，得到局部高层特征和局部低层特征，包括：

分别在所述全局高层特征和全局低层特征上移动采集区域，得到移动后采集区域，其中，所述移动后采集区域与移动前采集区域部分相交；

分别对所述全局高层特征和全局低层特征上的移动后采集区域进行采样操作，得到局部高层特征和局部低层特征。

在一些实施例中，所述基于所述融合后特征进行区域定位，得到对象区域位于所述多张二维图像中的位置信息，还包括：

采集目标部位的多张二维图像样本，其中所述二维图像样本标注了所述对象区域位于所述多张二维图像中的位置信息；