[发明专利]病灶检测方法及装置、病灶检测模型获取方法

说明书

本发明公开了一种病灶检测方法，首先获取对被检测部位采集的图像，对图像提取特征，得到特征图，进一步根据图像的特征图，生成将图像中的病灶框出的多边形框以及多边形框对应的类别信息，获得图像的检测结果，其中多边形框由多个向量的终点依次连接形成，多个向量以同一像素为起点。本发明通过对图像提取特征，根据图像的特征图生成多边形框来框出图像中的病灶，实现定位病灶，与现有技术中以矩形框定位病灶的方法相比，多边形框能够更准确地贴合真实病灶的轮廓，从而提高定位病灶的准确性。本发明还公开一种病灶检测模型获取方法以及一种病灶检测装置。

技术领域

本发明涉及图像处理领域，特别是涉及一种病灶检测方法。本发明还涉及一种病灶检测模型获取方法以及一种病灶检测装置。

背景技术

内窥镜检查是对人体各器官的黏膜病变进行筛查诊断的最有效手段和金标准，与超声成像或者电子计算机断层扫描(Computed Tomography，CT)等影像检查方法相比，内窥镜检查具有对病变能够直观诊断的优势以及镜下取活检、做病变切割手术的治疗优势，目前在消化、咽喉、妇科、外科等科室中应用广泛。

但是，内窥镜检查也存在着过度依赖医生的主观判断和决策，根据医生经验和水平不同或者医生疲劳程度不同而产生检查结果的差异(比如漏诊误诊)是普遍存在的情况。随着近年来人工智能技术的跨越式发展及与各行业的深度融合，基于人工智能技术的图像识别和目标检测方法也被广泛用于内窥镜的辅助诊断，从而大幅度提高了内窥镜诊断的一致性和检出率，减少人为因素的干扰。

现有的人工智能内窥镜下病灶识别技术是利用深度学习目标检测方法，对采集的图像中的病灶位置进行矩形框标注构建训练集，利用目标检测模型进行训练，使用训练得到的目标检测模型对图像进行预测，给出病灶的大体位置和类别。但是，使用矩形框标注病灶位置定位效果有限，不能较准确地预测出病灶位置。

发明内容

本发明的目的是提供一种病灶检测方法及装置，能够在图像中以多边形框标出病灶实现定位病灶，与现有技术相比能够提高定位病灶的准确性。本发明还提供一种病灶检测模型获取方法。

为实现上述目的，本发明提供如下技术方案：

一种病灶检测方法，包括：

获取对被检测部位采集的图像；

对所述图像提取特征，得到特征图；

根据所述图像的所述特征图，生成将所述图像中的病灶框出的多边形框以及所述多边形框对应的类别信息，获得所述图像的检测结果，所述多边形框由多个向量的终点依次连接形成，所述多个向量以同一像素为起点。

优选的，根据所述图像的所述特征图，生成将所述图像中的病灶框出的多边形框以及所述多边形框对应的类别信息，获得所述图像的检测结果包括：

根据所述图像的所述特征图，生成多个将所述图像中的病灶框出的所述多边形框以及每一所述多边形框对应的类别信息；

对于预测类别相同的两个所述多边形框，若该两个所述多边形框的重叠情况满足第一预设要求，则保留其中预测得分较高的多边形框，或/和，若该两个所述多边形框的重叠情况满足第二预设要求，则保留该两个多边形框。

优选的，所述第一预设要求包括：该两个所述多边形框的交并比大于预设阈值，两个所述多边形框的交并比是指两个所述多边形框的交集面积与并集面积的比值。

优选的，所述第二预设要求包括：该两个所述多边形框的交并比小于等于预设阈值，两个所述多边形框的交并比是指两个所述多边形框的交集面积与并集面积的比值。

优选的，对所述图像提取特征，得到特征图包括：以多个不同的尺度对所述图像提取特征，得到多个不同尺度的特征图，将得到的多个不同尺度的特征图拼接以及融合。

一种病灶检测模型获取方法，包括：