[发明专利]一种基于移动设备的筛查系统在审
申请号: | 202010381997.5 | 申请日: | 2020-05-08 |
公开(公告)号: | CN111652850A | 公开(公告)日: | 2020-09-11 |
发明(设计)人: | 程胜华;刘秀丽;马嘉波;曾绍群;余江胜;刘思博 | 申请(专利权)人: | 怀光智能科技(武汉)有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/10;G06T3/40;G06T5/00;G01N15/14;G01N21/84 |
代理公司: | 武汉东喻专利代理事务所(普通合伙) 42224 | 代理人: | 雷霄 |
地址: | 430074 湖北省武汉市东湖新技术开发*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 移动 设备 系统 | ||
1.一种基于移动设备的筛查系统,其特征在于,包括:
切片扫描模块,用于采集低分辨率的切片图像,所述切片扫描模块被设置在移动设备上;
可疑目标检测模块,用于将可疑目标检测训练样本集输入到可疑目标检测模型进行训练,还用于将所述切片图像输入到训练后的可疑目标检测模型,输出可疑目标信息;
图像超分辨模块,用于将图像超分辨训练样本集输入到超分辨模型进行训练,还用于根据所述可疑目标信息将可疑目标对应的低分辨率待增强图像输入到训练后的超分辨模型进行图像分辨率增强,输出高分辨率图像。
2.如权利要求1所述的一种基于移动设备的筛查系统,其特征在于,所述可疑目标检测模型包括分类模型和定位模型,所述分类模型采用深度可分离卷积实现,所述定位模型以所述分类模型输出的特征图作为输入,输出可疑目标检测结果。
3.如权利要求2所述的一种基于移动设备的筛查系统,其特征在于,所述分类模型是适用于在移动设备上运行的轻量化二分类模型,所述定位模型是适用于在移动设备上运行的轻量化分割模型。
4.如权利要求3所述的一种基于移动设备的筛查系统,其特征在于,所述将可疑目标检测训练样本集输入到可疑目标检测模型进行训练的过程具体是:
使用所述可疑目标检测训练样本集训练所述二分类模型,优化用于提取特征的卷积层和用于分类的全连层;
所述分割模型与分类模型共用部分卷积层,使用所述可疑目标检测训练样本集训练所述分割模型,其中共用的卷积层被设置为不可训练;
同时使用分类损失和定位损失联合优化所述二分类模型和分割模型。
5.如权利要求1、2、3或4所述的一种基于移动设备的筛查系统,其特征在于,所述超分辨模型是生成对抗模型,所述超分辨模型的生成器以组卷积和点卷积搭配构造出密集连接的残差块作为基本构件,所述生成器包括特征提取模块和重建模块,所述特征提取模块为堆叠所述基本构件并且使用残差连接构建的特征提取模型,所述重建模块用于使用上采样将所述特征提取模型输出的特征图放大后利用卷积重建为高分辨率图像。
6.如权利要求5所述的一种基于移动设备的筛查系统,其特征在于,使用L1损失、基于分类模型特征图的感知损失以及生成对抗损失联合来对所述超分辨模型进行训练。
7.如权利要求1、2、3或4所述的一种基于移动设备的筛查系统,其特征在于,所述可疑目标检测模型和超分辨模型均被量化为Float16且部署在所述移动设备的GPU上。
8.如权利要求1、2、3或4所述的一种基于移动设备的筛查系统,其特征在于,适用于不同类型的切片筛查;
所述可疑目标检测训练样本集包括多个检测训练子样本集,所述可疑目标检测模型包括多个检测子模型,每个检测训练子样本集对应一种切片类型,每个检测训练子样本集对应一个检测子模型,每个检测训练子样本集用于训练对应的检测子模型,将所述切片图像输入到训练后的与切片类型对应的检测子模型,输出可疑目标信息;
所述图像超分辨训练样本集包括多个超分辨训练子样本集,所述超分辨模型包括多个超分辨子模型,每个超分辨训练子样本集对应一种切片类型,每个超分辨训练子样本集对应一个超分辨子模型,每个超分辨训练子样本集用于训练对应的超分辨子模型,将可疑目标对应的低分辨率待增强图像输入到训练后的与切片类型对应的超分辨子模型,输出高分辨率图像。
9.如权利要求1、2、3或4所述的一种基于移动设备的筛查系统,其特征在于,包括交互及显示模块,所述交互及显示模块基于移动设备实现;
所述交互及显示模块用于接收并显示所述可疑目标检测模块输出的可疑目标检测结果,还用于接收用户选择的低分辨率待增强图像,还用于响应用户的选择将该低分辨率待增强图像发送给所述超分辨模块以进行图像分辨率增强,还用于接收并显示所述图像超分辨模块输出的高分辨率图像。
10.如权利要求1、2、3或4所述的一种基于移动设备的筛查系统,其特征在于,包括病例信息管理模块,用于实时存储筛查结果,并对存储的筛查结果进行管理。
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怀光智能科技(武汉)有限公司,未经怀光智能科技(武汉)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/202010381997.5/1.html,转载请声明来源钻瓜专利网。