[发明专利]一种图像分析方法和装置、以及存储介质和电子设备

权利要求书

1.一种图像分析方法，其特征在于，所述方法包括：

获取分割好的图像数据；

利用预设图像分类模型对所述图像数据进行分类，以确定非正常图像数据；和

利用预设特征提取模型对所述非正常图像数据进行特征提取，以确定所述非正常图像数据中的异常区域。

2.根据权利要求1所述的方法，其特征在于，所述获取分割好的图像数据，包括：

对获取的CT图像进行脱敏处理，以获取脱敏数据；

利用预设分割网络对所述脱敏数据进行分割，以获取分割好的图像数据。

3.根据权利要求1所述的方法，其特征在于，所述预设图像分类模型，以深度学习网络Vgg16为基础网络，以AReLU为激活函数。

4.根据权利要求1所述的方法，其特征在于，所述预设特征提取模型，以轻量化网络SqueezeNet为用于特征提取的基础网络，所述预设特征提取模型的SqueezeNet网络中的低层的Fire模块与高层的Fire模块进行concat拼接，任一个Fire模块中的squeeze和expand之间利用AReLU激活函数进行连接。

5.根据权利要求4所述的方法，其特征在于，所述利用预设特征提取模型对所述非正常图像数据进行特征提取，以确定所述非正常图像数据中的异常区域，包括：

将所述非正常图像数据输入至所述预设特征提取模型，依次经过初始卷积层、SqueezeNet的Fire模块和最终卷积层进行特征提取，以获取第一特征图像；其中，在所述初始卷积层，使用的激活函数为AReLU激活函数；

基于所述第一特征图像，利用区域生成网络RPN，确定所述非正常图像数据中的异常区域。

6.根据权利要求5所述的方法，其特征在于，所述基于第一所述特征图像，利用区域生成网络RPN，确定所述非正常图像数据中的异常区域，包括：

将所述第一特征图像通过RPN网络滑动生成候选矩形框；

通过ROI池对所述候选矩形框进行进行最大池化，以获取第二特征图像；

对所述第二特征图进行分类回归处理，以确定所述非正常图像数据的异常区域。

7.根据权利要求3-5中任一项所述的方法，其特征在于，所述AReLU激活函数由两部分组成，正半轴为ReLU激活函数的正半轴的线性部分，负半轴为Arctan函数，所述AReLU激活函数的函数表达式为：

，

其中，x为输入，AReLU为输出。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

按照预设格式转换规则，对所述非正常图像数据进行格式转换。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述异常区域进行三维重建，以基于三维重建结果获取3D的STL格式的CAD模型。

10.一种图像分析装置，其特征在于，所述装置包括：

图像数据获取模块，用于获取分割好的图像数据；

分类模块，用于利用预设图像分类模型对所述图像数据进行分类，以确定非正常图像数据；和

异常区域确定模块，用于利用预设特征提取模型对所述非正常图像数据进行特征提取，以确定所述非正常图像数据中的异常区域。

11.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；其中，

所述存储器，用于存储所述处理器可执行指令；

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上述权利要求1-9中任一项所述的方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-9中任一项所述的方法。