[发明专利]基于时序建模的部位识别方法和装置

说明书

本申请实施例提供了一种基于时序建模的部位识别方法和装置，解决了现有基于电子计算机断层扫描图像的部位识别方式的准确率低的问题。该基于时序建模的部位识别方法包括：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。

技术领域

本申请涉及影像分析技术领域，具体涉及一种基于时序建模的部位识别方法、装置、电子设备和计算机可读存储介质。

背景技术

电子计算机断层扫描(英文全称:Computed Tomography，简称:CT)是医院中一种常见的疾病检查手段，可以对患者的某一部位进行连续的断面扫描。在实际的场景中，CT数据中关于部位的标签(Tag)会存在缺失和错误的情况，有时候这些标签信息往往比较宽泛和模糊。准确的部位标签会在许多应用中带来便利：1、许多数据的整理都依据影像的部位信息，部位识别有助于对数据的管理和分类；2、越来越多的人工智能辅助系统出现，这些系统运行的前提是要准确识别部位。

目前最常见的部位识别算法是对CT中的每一层图像进行识别，最后把所有的结果进行综合。这种算法没有利用到CT数据的时序信息，精度较低。具体而言：1、目前的算法识别精度偏低，很难达到临床使用的要求；2、目前的部位识别算法都是基于卷积神经网络，同一份CT中不同序列的识别结果是相互独立的，因此在识别时会出现由于识别错误而出现的跳帧现象。跳帧现象指的是，对CT进行识别的时候，经常会出现在某个连续的区域出现一张或几张图像被识别为错误部位的错误识别结果。出现这种情况的原因是现有的一些算法没有考虑到不同序列之间的时序信息，最终导致无法得到准确的识别结果。

由此可见，现有技术使用卷积神经网络对CT中每一个序列进行识别，没有考虑到不同序列之间的关系，因此错误率较高，尤其是在CT连扫情况下，处在不同部位切换层面，经常无法准确识别。

发明内容

有鉴于此，本申请实施例提供了一种基于时序建模的部位识别方法和装置，解决了现有基于电子计算机断层扫描图像的部位识别方式的准确率低的问题。

根据本申请的一个方面，本申请一实施例提供的一种基于时序建模的部位识别方法包括：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。

在本申请一实施例中，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，所述方法进一步包括：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。

在本申请一实施例中，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。

在本申请一实施例中，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。