[发明专利]对图像进行分析的方法、装置和非暂时性计算机可读介质

说明书

本公开涉及一种对图像进行分析的方法、装置和非暂时性计算机可读介质。方法包括：由处理器将图像划分为图像块的阵列，每个图像块具有固定尺寸；由处理器基于每个图像块利用独立的编码器提取该图像块的特征信息；由处理器基于各个图像块的特征信息，利用与各个图像块一一对应的递归神经网络单元作为节点构成的递归神经网络，通过依据图像块之间的空间约束关系在所对应的各个递归神经网络单元之间传输信息，来确定各个图像块发生一定状况的概率。本公开的方法和装置不仅考虑各个图像块中的对象(例如但不限于肿瘤)呈现，还结合考虑各个图像块之间的空间约束关系，有助于提高各个图像块对于一定状况(例如是否发生肿瘤)的检出率和检测准确率。

相关申请的交叉引用

本申请要求2018年8月26日提交的美国临时申请第62,722,957号的优先权，其全部内容通过引用结合在此。

技术领域

本公开一般地涉及图像处理和分析。更具体地，本公开涉及对图像进行分析的方法、装置和非暂时性计算机可读介质。

背景技术

对包括医学图像在内的各种图像进行分析的方法可分为人工分析、半自动分析和自动分析。以肺部的CT图像作为例子，肿瘤检测在癌症的诊断中起关键作用。考虑到结节是癌症可能转移的第一个位置，对于结节的肿瘤检测是协助早期诊断的最重要标准之一。全片图像已被广泛用于癌症的检测。然而，手动检测癌症需要病理学家进行详尽的检查和分析，这是劳动密集型和耗时的，并且检测结果可能是主观的。因此，引入和发展了计算机辅助检测，以提供更可靠和一致的肿瘤检测。但是，自动化的肿瘤检测是一个具有挑战性的问题，因为肿瘤在医学图像中的呈现差异很大。

虽然目前已经采用深度神经网络和其他基于机器学习的算法来检测癌症转移，但是，通常只是将全片图像分成小图像块，再对这些图像块进行单独处理，而不考虑它们之间的空间结构关系。即便一些算法考虑到图像块之间的空间结构关系，也只是在得到各个图像块的独立预测结果之后的融合后处理中予以粗略考虑，例如对相邻图像块的独立预测结果进行平滑和平均处理等。但是，图像块的构造通常很复杂，针对各个图像块的独立预测会偏离真实结果，由此导致后处理中的空间依赖性总是次优的。

提供本公开的方法和装置来解决现有技术中的以上问题。

发明内容

因此，需要一种对图像进行分析的方法、装置和非暂时性计算机可读介质，其不仅考虑到各个图像块中的对象(例如但不限于肿瘤)呈现，还结合考虑到各个图像块之间的空间约束关系，从而有助于提高各个图像块对于一定状况(例如是否发生肿瘤)的检出率和检测准确率。

在一个方面，本公开提供了一种对图像进行分析的方法，所述方法包括：由处理器，将图像划分为图像块的阵列，每个图像块具有固定尺寸；由所述处理器，基于每个图像块利用独立的编码器提取该图像块的特征信息；由所述处理器，基于各个图像块的特征信息，利用与各个图像块一一对应的递归神经网络单元作为节点构成的递归神经网络，通过依据图像块之间的空间约束关系在所对应的各个递归神经网络单元之间传输信息，来确定各个图像块发生一定状况的概率。

在另一方面，本公开涉及一种对图像进行分析的装置，所述装置包括处理器，其配置为执行上述的对图像进行分析的方法。

在又一方面，本公开涉及一种对图像进行分析的装置，其中，所述装置包括：图像划分单元，其配置为将图像划分为图像块的阵列，每个图像块具有固定尺寸；特征提取单元，其配置为基于每个图像块利用独立的编码器提取该图像块的特征信息；状况确定单元，其配置为：基于各个图像块的特征信息，利用与各个图像块一一对应的递归神经网络单元作为节点构成的递归神经网络，通过依据各个图像块之间的空间约束关系在所对应的各个递归神经网络单元之间传输信息，来确定各个图像块发生一定状况的概率。

在再一方面，本公开涉及一种非暂时性计算机可读介质，其上存储有指令，所述指令在由处理器执行时，执行根据本公开各个实施例的对图像进行分析的方法。