The present disclosure provides an 3D image detection method, a device, an electronic device and a computer readable medium, which belong to the field of image data processing technology. Including the 3D image detection method: stratified on 3D images, get at least a 3D sub image, which contains more than one 3D sub image of 2D image; layer clustering of 3D sub images, super pixel grid; super pixel grid will enter into the depth of the neural network for detection; if in the super pixel grid in the detected target, is detected in the 3D super pixel grid clustering containing the target before the image, and the output of test results. Through the hierarchical clustering of the 3D image, and the super pixel grid clustering the first hierarchical detection, if there is further to do fine target detection, which can reduce the system operation demand, not only small memory, and the training is simple, operation time is short.
【技术实现步骤摘要】
3D图像检测方法、装置、电子设备及计算机可读介质
本公开涉及图像数据处理
,具体而言,涉及一种3D图像检测方法、装置、电子设备及计算机可读介质。
技术介绍
在医疗诊断过程中,医疗图像数据起着极为重要的作用。目前深度学习技术在医疗图像处理上获得了极为广泛的应用。相对于传统方法,深度学习技术可以有效利用大量图像数据,学习获得知识,辅助放射科医生读取判断病例图像。特别的,针对二维图像,如X光片、DR、超声等,深度学习在医院实际应用的实例。相对而言,深度学习技术在三维(即3D)图像(如CT,MRI等)上的应用并没有得到普及。深度学习技术在三维图像上的应用主要受限于网络连接数巨大,导致处理过程中内存消耗巨大,而且训练起来也较为困难。因此,现有技术中的技术方案还存在有待改进之处。需要说明的是,在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种3D图像检测方法、装置、电子设备及计算机可读介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。本公开的其他特性和优点将通过下面的详细描述变得清晰,或者部分地通过本公开的实践而习得。根据本公开的一个方面,提供一种3D图像检测方法,包括:对3D图像进行分层,得到至少一个3D子图像,其中所述3D子图像包含多张2D图像;对所述3D子图像进行层内聚类,得到超像素网格;将所述超像素网格输入到深度神经网络中进行检测;如果在所述超像素网格中检测到目标,则对含有目标的超像素网格聚类前的所述3D子图像按照所述2 ...
【技术保护点】
一种3D图像检测方法,其特征在于,包括:对3D图像进行分层,得到至少一个3D子图像,其中所述3D子图像包含多张2D图像;对所述3D子图像进行层内聚类,得到超像素网格;将所述超像素网格输入到深度神经网络中进行检测;如果在所述超像素网格中检测到目标,则对含有目标的超像素网格聚类前的所述3D子图像进行检测,得到并输出检测结果。
【技术特征摘要】
1.一种3D图像检测方法,其特征在于,包括:对3D图像进行分层,得到至少一个3D子图像,其中所述3D子图像包含多张2D图像;对所述3D子图像进行层内聚类,得到超像素网格;将所述超像素网格输入到深度神经网络中进行检测;如果在所述超像素网格中检测到目标,则对含有目标的超像素网格聚类前的所述3D子图像进行检测,得到并输出检测结果。2.根据权利要求1所述的3D图像检测方法,其特征在于,所述3D图像的大小为C×H×W,其中C,H,W分别为所述2D图像的张数以及所述2D图像的高和宽,所述对3D图像进行分层包括:将所述3D图像拆分为K个3D子图像,Ci=C/K,所述3D子图像中含有Ci×H×W个像素,其中Ci和K为大于1的自然数。3.根据权利要求2所述的3D图像检测方法,其特征在于,所述对所述3D子图像进行层内聚类包括:将所述3D子图像在高和宽方向划分为LxM个网格,其中L和M为大于1的自然数;将所述LxM个网格作为初始值,采用超像素算法进行聚类。4.根据权利要求1所述的3D图像检测方法,其特征在于,将所述超像素网格输入到深度神经网络中进行检测时采用第一分类器进行检测。5.根据权利要求4所述的3D图像检测方法,其特征在于,对含有目标的超像素网格聚类前的所述3D子图像进行检测时采用第二分类器进行检测,所述第二分类器的精度大于所述第一分类器的精度。6.一种3D图像检测装...
【专利技术属性】
技术研发人员:李正龙,
申请(专利权)人:京东方科技集团股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。