CT图像特征提取方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术提供一种CT图像特征提取方法、装置、电子设备和存储介质，所述方法包括：基于特征提取模型，获取样本CT图像的样本图像序列的特征权重参数；基于特征权重参数，提取CT图像特征；其中，特征提取模型是基于样本CT图像的样本图像序列对以及样本图像序列对对应的样本光流图进行对比学习得到的。本发明专利技术对比学习得到的特征提取模型能够学习无标签的样本CT图像的样本图像序列对上图像的通用表示形式，进而在基于特征提取模型的特征权重参数提取CT图像特征时，可以快速且准确从待提取特征的CT图像中提取出能够表达该CT图像本质的通用特征，从而可以避免传统方法中人工标注量大且周期长的问题。周期长的问题。周期长的问题。

【技术实现步骤摘要】
CT图像特征提取方法、装置、电子设备和存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种CT图像特征提取方法、装置、电子设备和存储介质。

技术介绍

[0002]图像特征提取是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。
[0003]图像特征提取是图像处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。
[0004]计算机断层扫描(Computed Tomography，CT)可以获取清晰的CT图像。如脑CT图像可明确显示脑肿瘤、脑出血或是脑损伤等各种情形，但由于不同CT装置所得图像的像素大小及数目不同，CT图像结果通常是一整套图像序列，而疾病可能仅能体现在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种CT图像特征提取方法，其特征在于，包括：基于特征提取模型，获取样本CT图像的样本图像序列的特征权重参数；基于所述特征权重参数，提取CT图像的图像特征，所述CT图像包括CT图像序列对及其对应的光流图；其中，所述特征提取模型是基于样本CT图像的样本图像序列对以及所述样本图像序列对对应的样本光流图进行对比学习得到的。2.根据权利要求1所述的图像特征提取方法，其特征在于，所述特征提取模型是基于如下步骤训练得到的：将所述样本图像序列对输入至所述特征提取模型的查询编码层，得到所述查询编码层输出的原始特征；将所有样本图像序列对对应的光流图输入至所述特征提取模型的动量编码层，得到所述动量编码层输出的各光流图对应的关键字特征；将所述原始特征和所有关键字特征输入至所述特征提取模型的对比层，由所述对比层从各关键字特征中确定与所述原始特征相似度最高的特征作为正样本特征，并将其余关键字特征作为负样本特征；基于所述正样本特征、所述负样本特征以及所有关键字特征，确定损失函数值，并以所述损失函数值更新所述特征权重函数。3.根据权利要求2所述的图像特征提取方法，其特征在于，所述特征提取模型的损失函数用于最小化所述原始特征与所述正样本特征之间的差异，最大化所述原始特征与负样本特征之间的差异；所述负样本特征指除所述正样本特征外的关键字特征。4.根据权利要求2所述的图像特征提取方法，其特征在于，所述损失函数值是基于如下公式确定的：其中，l
q
表示所述损失函数值，q表示所述原始特征，k
+
表示所述正样本特征，τ表示温度参数，k
i
表示所述关键字特征，K表示样本池的字典长度。5.根据权利要求1所述的图像特征提取方法，其特征在于，所述样本图像序列对对应的样本光流图是基于如下步骤确定的：基于模糊权重因子，以及所述样本图像序列...

【专利技术属性】
技术研发人员：李建强，谭卓斐，付光辉，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：