[发明专利]一种基于人工智能的身体部位检测方法、装置及电子设备有效

专利信息
申请号: 202111125524.X 申请日: 2021-09-23
公开(公告)号: CN113920068B 公开(公告)日: 2022-12-30
发明(设计)人: 王雅倩;王子腾;胡阳;王立威;丁佳;吕晨翀 申请(专利权)人: 北京医准智能科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/12;G06T7/194
代理公司: 北京乐知新创知识产权代理事务所(普通合伙) 11734 代理人: 王瞾寅
地址: 100083 北京市海淀区学院路*** 国省代码: 北京;11
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 人工智能 身体 部位 检测 方法 装置 电子设备
【说明书】:

本申请公开一种基于人工智能的身体部位检测方法、装置及电子设备,身体部位检测方法包括:对初始图像进行图像分割,得到目标图像;对目标图像进行处理,得到用于指示身体部位的掩膜;利用掩膜确定目标图像中的第一身体部位;对第一身体部位的图像进行处理,得到目标图像中的第二身体部位。其中,第一身体部位和第二身体部位基于身体检测模型确定。本申请通过标记有身体部位标签的样本训练身体检测模型,最终利用训练完成的身体检测模型检测医学影像中的身体部位。

技术领域

本申请涉及计算机视觉和人工智能技术领域,尤其涉及一种基于人工智能的身体部位检测方法、装置及电子设备。

背景技术

目前主要通过传统计算机视觉和机器学习的方法检测影像中身体某一部位的位置,但这两种方法存在以下缺陷:

(1)泛化主要描述模型对于未知数据的预测能力,即对具有同一规律数据以外的数据也能给出合适的输出;鲁棒性是指控制系统在一定(结构、大小)的参数摄动下,维持其它某些性能的特性。同一个物体用不同机型拍出的图像,图像数据不同,传统计算机视觉检测方法在检测时,需要针对不同的数据人为设定具体的参数,泛化性和鲁棒性都较差。

(2)采用机器学习的方法检测之前,需要人为预先标注大量的训练标签,费时费力,成本较高。

发明内容

本申请提供一种基于人工智能的身体部位检测方法、装置及电子设备,以至少解决现有技术中存在的以上技术问题。

本申请一方面提供一种基于人工智能的身体部位检测方法,包括:对初始图像进行图像分割,得到目标图像;对所述目标图像进行处理,得到用于指示身体部位的掩膜;利用所述掩膜确定所述目标图像中的第一身体部位;对所述第一身体部位的图像进行处理,得到所述目标图像中的第二身体部位。

本申请另一方面提供一种基于人工智能的身体部位检测装置,包括:图像分割模块,用于对初始图像进行图像分割,得到目标图像;图像处理模块,用于对所述目标图像进行处理,得到用于指示身体部位的掩膜;第一身体部位确定模块,用于利用所述掩膜确定所述目标图像中的第一身体部位;第二身体部位确定模块,用于对所述第一身体部位的图像进行处理,得到所述目标图像中的第二身体部位。

本申请再一方面提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本申请所述的基于人工智能的身体部位检测方法。

本申请还一方面提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本申请所述的基于人工智能的身体部位检测方法。

本申请提供的一种基于人工智能的身体部位检测方法、装置及电子设备,具有以下有益效果:

可以在拍摄的乳腺X线影像上自动寻找某一身体部位,有助于进行若干下游任务,如:在拍摄的乳腺X线影像上自动寻找胸大肌与乳头,得到胸大肌与乳头的具体位置后进行病灶深度判断、病灶象限判断、病灶匹配等。其中,通过神经网络模型自动检测影像上的某一身体部位,检测结果准确;优选的实施例中,能够准确检测到胸大肌与乳头的具体位置。

在训练神经网络模型时,通过数据增广生成大量训练数据,保证了神经网络模型具有较好的鲁棒性,适用于不同设备拍摄的影像。同时,采用计算机视觉方法得到训练标签,不需要人为标注标签,节省了大量人力成本。

附图说明

图1示出了本申请实施例提供的基于人工智能的身体部位检测方法的步骤流程图;

图2示出了本申请实施例提供的获取掩膜的步骤流程图;

图3示出了本申请实施例提供的第二掩膜的示例图;

图4示出了本申请实施例提供的确定目标图像中的第一身体部位的步骤流程图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京医准智能科技有限公司,未经北京医准智能科技有限公司许可,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/202111125524.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top