[发明专利]基于时序建模的部位识别方法和装置

权利要求书

1.一种基于时序建模的部位识别方法，其特征在于，包括：

将电子计算机断层扫描得到的多个断层扫描图像输入二维卷积神经网络模型进行特征提取；

获取所述二维卷积神经网络模型输出的特征图序列，其中，所述特征图序列包括与所述多个断层扫描图像分别对应的多个特征图，所述多个特征图按照电子计算机断层扫描的时间顺序排列；以及

将所述特征图序列输入循环神经网络模型以获取部位识别结果。

2.根据权利要求1所述的方法，其特征在于，所述二维卷积神经网络模型包括全连接层，其中，在将电子计算机断层扫描得到的多个断层扫描图像输入二维卷积神经网络模型进行特征提取后，进一步包括：

获取所述全连接层输出的与所述多个断层扫描图像分别对应的初步部位识别结果。

3.根据权利要求1所述的方法，其特征在于，所述二维卷积神经网络模型通过如下训练过程建立：

将带有第一部位识别标签的断层扫描图像样本输入所述二维卷积神经网络模型；

获取所述二维卷积神经网络输出的第一部位预测结果；以及

根据所述第一部位预测结果与所述第一部位识别标签之间的差别调整所述二维卷积神经网络模型的网络参数。

4.根据权利要求1所述的方法，其特征在于，所述循环神经网络模型通过如下训练过程建立：

将带有第二部位识别标签的图像特征序列样本输入所述循环神经网络模型，其中，所述图像特征序列样本通过将多个断层扫描图像样本输入所述二维间距神经网络获取；

获取所述循环神经网络模型输出的第二部位预测结果；以及

根据所述第二部位预测结果与所述第二部位识别标签之间的差别调整所述循环神经网络模型的网络参数。

5.一种基于时序建模的部位识别装置，其特征在于，包括：

特征提取模块，配置为将电子计算机断层扫描得到的多个断层扫描图像输入二维卷积神经网络模型进行特征提取；

特征图序列获取模块，配置为获取所述二维卷积神经网络模型输出的特征图序列，其中，所述特征图序列包括与所述多个断层扫描图像分别对应的多个特征图，所述多个特征图按照电子计算机断层扫描的时间顺序排列；以及

部位识别模块，配置为将所述特征图序列输入循环神经网络模型以获取部位识别结果。

6.根据权利要求5所述的装置，其特征在于，所述二维卷积神经网络模型包括全连接层，其中所述装置进一步包括：

初步部位识别模块，配置为在将电子计算机断层扫描得到的多个断层扫描图像输入二维卷积神经网络模型进行特征提取后，获取所述全连接层输出的与所述多个断层扫描图像分别对应的初步部位识别结果。

7.根据权利要求5所述的装置，其特征在于，进一步包括：

第一训练模块，配置为通过如下训练过程建立所述二维卷积神经网络模型：

将带有第一部位识别标签的断层扫描图像样本输入所述二维卷积神经网络模型；

获取所述二维卷积神经网络输出的第一部位预测结果；以及

根据所述第一部位预测结果与所述第一部位识别标签之间的差别调整所述二维卷积神经网络模型的网络参数。

8.根据权利要求5所述的装置，其特征在于，进一步包括：

第二训练模块，配置为通过如下训练过程建立所述循环神经网络模型：

将带有第二部位识别标签的图像特征序列样本输入所述循环神经网络模型，其中，所述图像特征序列样本通过将多个断层扫描图像样本输入所述二维间距神经网络获取；

获取所述循环神经网络模型输出的第二部位预测结果；以及

根据所述第二部位预测结果与所述第二部位识别标签之间的差别调整所述循环神经网络模型的网络参数。

9.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至4中任一所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至4中任一所述的方法。