[发明专利]肩袖扫描图像的处理方法、电子设备及存储介质在审

专利信息
申请号: 202310610450.1 申请日: 2023-05-26
公开(公告)号: CN116645346A 公开(公告)日: 2023-08-25
发明(设计)人: 郭金;侯浩楠;刘振龙;房景超;李孟祺 申请(专利权)人: 北京科技大学;北京大学第三医院(北京大学第三临床医学院)
主分类号: G06T7/00 分类号: G06T7/00;G06T7/70;G06N3/0464;G06N3/08;G06V10/80
代理公司: 北京市广友专利事务所有限责任公司 11237 代理人: 张仲波
地址: 100083*** 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: 扫描 图像 处理 方法 电子设备 存储 介质
【权利要求书】:

1.一种肩袖扫描图像的处理方法,包括:

获取待处理的肩袖扫描图像;

将所述待处理的肩袖扫描图像输入至预设的肩袖囊肿检测模型,以由所述肩袖囊肿检测模型输出相应的肩袖囊肿识别结果;其中,所述肩袖囊肿识别结果为存在对应囊肿区域位置的肩袖囊肿,或者所述肩袖囊肿识别结果为不存在肩袖囊肿;所述肩袖囊肿检测模型采用YOLOv5深度神经网络,所述肩袖囊肿检测模型的训练样本集包含多个预标注了相应的肩袖囊肿标签的肩袖扫描图像样本,以及所述肩袖囊肿标签包含肩袖囊肿的标注区域位置。

2.根据权利要求1所述的肩袖扫描图像的处理方法,其中,所述肩袖囊肿检测模型包括级联的第一特征处理模块、第二特征处理模块和输出模块,

所述第一特征处理模块包含C3模块和空间池化SPPF模块,

所述第二特征处理模块采用PANET网络结构,用于对所述第一中间处理模块中不同网络层的信息进行融合,

所述输出模块包含多层输出层,每一输出层分别用于检测处理相应尺寸大小的目标向量,所述目标向量用于描述肩袖囊肿的位置。

3.根据权利要求2所述的肩袖扫描图像的处理方法,其中,所述第一特征处理模块还包含MobileNetv2模块,所述MobileNetv2模块针对不同通道的图像特征分别设置有相应的注意力权重。

4.根据权利要求3所述的肩袖扫描图像的处理方法,其中,所述第一特征处理模块还包含级联至MobileNetv2模块的输出端的ODConv模块。

5.根据权利要求1所述的肩袖扫描图像的处理方法,其中,在将所述待处理的肩袖扫描图像输入至预设的肩袖囊肿检测模型,以由所述肩袖囊肿检测模型输出相应的肩袖囊肿识别结果之后,所述方法还包括:

在确定所述肩袖囊肿识别结果为存在对应囊肿区域位置的肩袖囊肿的情况下,提取所述肩袖扫描图像中的至少一个肩部特征区域;所述肩部区域包括选自以下中的一者或多者:肩峰、喙突、肩胛盂唇和肩关节;

根据所述囊肿区域位置与所述肩部特征区域之间的相对位置,确定相应的肩袖囊肿类别,所述肩袖囊肿类别包含以下中的任意一者:肩峰下滑囊囊肿、喙突下的滑囊囊肿、肩胛盂唇外侧的内囊肿、肩关节上方囊肿。

6.根据权利要求1所述的肩袖扫描图像的处理方法,其中,所述获取待处理的肩袖扫描图像,包括:

获取待处理的肩袖MRI图像;

根据预设的图像格式转换算法,确定所述肩袖MRI图像所对应的肩袖扫描图像;所述图像格式转换算法用于将DICOM格式的图像转换为PNG格式的图像。

7.根据权利要求要求6所述的肩袖扫描图像的处理方法,其中,在根据预设的图像格式转换算法,确定所述肩袖MRI图像所对应的肩袖扫描图像之后,所述方法包括:

裁剪所述肩袖扫描图像中的背景图像区域。

8.根据权利要求1所述的肩袖扫描图像的处理方法,其中,所述肩袖囊肿检测模型的损失函数采用GIOU Loss损失函数。

9.一种电子设备,包括:

至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述权利要求1-8中任一项所述方法的步骤。

10.一种存储介质,所述存储介质中存储有一个或多个包括执行指令的程序,所述执行指令能够被电子设备读取并执行,以用于执行如上述权利要求1-8中任一项所述方法的步骤。

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科技大学;北京大学第三医院(北京大学第三临床医学院),未经北京科技大学;北京大学第三医院(北京大学第三临床医学院)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/202310610450.1/1.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