[发明专利]图像检测方法、计算机设备和存储介质

权利要求书

1.一种图像检测方法，其特征在于，所述方法包括：

获取待检测医学图像；所述待检测医学图像包括感兴趣区域；

将所述待检测医学图像输入至关键点检测模型中，得到所述感兴趣区域对应的关键点集；所述关键点检测模型是基于样本医学图像和所述样本医学图像对应的金标准图像进行训练得到的，所述金标准图像包括所述样本医学图像对应的关键点标记；

基于所述感兴趣区域对应的关键点集，确定所述感兴趣区域的相关结构参数；所述相关结构参数用于表征所述感兴趣区域的形态。

2.根据权利要求1所述的方法，其特征在于，所述感兴趣区域的相关结构参数包括所述感兴趣区域的曲度，所述关键点集包括各个关键点的位置信息；所述方法还包括：

基于所述关键点集中的各个关键点的位置信息，对所述感兴趣区域上的关键点集中的各个关键点进行划分，得到所述感兴趣区域上的至少一个关键点子集；

基于所述至少一个关键点子集，确定每个所述关键点子集对应的特征值；

基于每个所述关键点子集对应的特征值，确定所述感兴趣区域的曲度的类别。

3.根据权利要求2所述的方法，其特征在于，所述基于每个所述关键点子集对应的特征值，确定所述感兴趣区域的曲度的类别，包括：

将每个所述关键点子集对应的特征值输入至分类模型中，确定所述感兴趣区域的曲度的类别；所述分类模型是基于样本医学图像集进行训练得到的，所述样本医学图像集包括训练医学图像中感兴趣区域的各个关键点子集对应的特征值和所述训练医学图像中感兴趣区域的曲度的标注类别。

4.根据权利要求2或3所述的方法，其特征在于，所述基于所述至少一个关键点子集，确定每个所述关键点子集对应的特征值，包括：

对每个所述关键点子集中的各个关键点进行拟合处理，确定每个所述关键点子集对应的圆；

基于每个所述关键点子集对应的圆以及每个所述关键点子集中各个关键点的位置信息，确定每个所述关键点子集对应的圆的目标半径；所述目标半径为带有正负符号的半径；

根据每个所述关键点子集对应的圆的目标半径，得到每个所述关键点子集对应的曲率值，并将每个所述关键点子集对应的曲率值确定为每个所述关键点子集对应的特征值。

5.根据权利要求4所述的方法，其特征在于，所述基于每个所述关键点子集对应的圆以及每个所述关键点子集中各个关键点的位置信息，确定每个所述关键点子集对应的圆的目标半径，包括：

根据每个所述关键点子集对应的圆，得到每个所述关键点子集对应的圆的圆心位置；

基于每个所述关键点子集对应的圆的圆心位置以及每个所述关键点子集中各个关键点的位置信息，得到每个所述关键点子集与对应的圆的圆心位置的相对位置结果；

若所述相对位置结果中一个关键点子集对应的圆的圆心位置在所述关键点子集的左侧，则将所述一个关键点子集对应的圆的半径确定为目标半径；

若所述相对位置结果中另一个关键点子集对应的圆的圆心位置在所述关键点子集的右侧，则将所述另一个关键点子集对应的圆的半径置为负的半径，并将所述负的半径确定为目标半径。

6.根据权利要求2或3所述的方法，其特征在于，所述基于所述感兴趣区域对应的关键点集，确定所述感兴趣区域的相关结构参数，包括：

基于所述感兴趣区域对应的关键点集中各个关键点的位置信息，计算所述关键点集中各关键点之间点与点之间的距离，得到所述感兴趣区域的相关结构参数；

和/或，基于所述感兴趣区域对应的关键点集中各个关键点的位置信息，计算所述关键点集中各关键点所构成的线与线之间的距离，得到所述感兴趣区域的相关结构参数；

和/或，基于所述感兴趣区域对应的关键点集中各个关键点的位置信息，计算所述关键点集中各关键点所构成的线与点之间的距离，得到所述感兴趣区域的相关结构参数；

和/或，基于所述感兴趣区域对应的关键点集中各个关键点的位置信息，计算所述关键点集中各关键点所构成的面的面积，得到所述感兴趣区域的相关结构参数。