[发明专利]脑部图像检测方法、计算机设备和存储介质

权利要求书

1.一种脑部图像检测方法，其特征在于，所述方法包括：

获取待检测对象的脑部图像；

将所述脑部图像划分成多个图像块，并将各所述图像块输入至对应的图像块层级网络中进行特征提取，得到各所述图像块的特征图；

对各所述图像块的特征图进行第一权重筛选处理，从各所述图像块的特征图中确定各候选图像块的特征图，所述各候选图像块的数量小于所述多个图像块的数量；

将各所述候选图像块的特征图输入至神经网络模型中，得到所述脑部图像对应的目标区域和所述脑部图像的类别；

在所述对各所述图像块的特征图进行第一权重筛选处理，从各所述图像块的特征图中确定各候选图像块的特征图之后，所述方法还包括：

将各所述候选图像块的特征图进行区域组合，得到各组合区域特征图；

将各所述组合区域特征图输入至对应的区域层级网络中进行特征提取，得到各所述组合区域特征图的区域级特征图；

将各所述区域级特征图进行第二权重筛选处理，从各所述区域级特征图中确定各候选区域的特征图；所述各候选区域的数量小于所述各组合区域的数量；

所述将各所述候选图像块的特征图输入至神经网络模型中，得到所述脑部图像对应的目标区域和所述脑部图像的类别，包括：

将各所述候选区域的特征图进行特征拼接后输入至神经网络模型的个体层级网络中，得到所述脑部图像对应的目标区域和所述脑部图像的类别。

2.根据权利要求1所述的方法，其特征在于，所述第一权重筛选处理用于计算各所述图像块的特征图对应的权重，并根据各所述图像块的特征图和对应的权重，得到各候选图像块的特征图；所述各候图像块的特征图为各所述图像块的特征图中权重大于预设阈值的特征图。

3.根据权利要求2所述的方法，其特征在于，所述第二权重筛选处理用于计算各所述区域级特征图对应的权重，并根据各所述区域级特征图和对应的权重，得到各候选区域的特征图；所述各候区域的特征图为各所述区域级特征图中权重大于预设阈值的区域级特征图。

4.根据权利要求3所述的方法，其特征在于，所述将各所述候选区域的特征图进行特征拼接后输入至神经网络模型的个体层级网络中，得到所述脑部图像对应的目标区域和所述脑部图像的类别，包括：

将各候选区域的特征图进行特征拼接后输入至神经网络模型的个体层级网络中进行卷积处理，得到所述脑部图像对应的目标区域；

对所述脑部图像对应的目标区域进行分类操作，得到所述脑部图像的类别。

5.根据权利要求4所述的方法，其特征在于，所述图像块层级网络、所述区域层级网络、所述个体层级网络的训练方法包括：

获取样本脑部图像，所述样本脑部图像已标注图像类别；

基于所述样本脑部图像对初始的图像块层级网络进行训练，得到所述图像块层级网络；

基于所述图像块层级网络和所述已标注图像类别对初始的区域层级网络进行训练，得到所述区域层级网络；

基于所述图像块层级网络、所述区域层级网络和所述已标注图像类别，对初始的个体层级网络进行训练，得到所述个体层级网络。