【技术实现步骤摘要】
图像识别方法、模型的训练方法、装置、设备及介质
[0001]本公开涉及图像处理
,尤其涉及深度学习
技术介绍
[0002]目前,肺部图像中的肺结节检测主要是通过检测模型遍历肺部区域中,找出疑似结节的候选点,再进一步分类得出精确的肺结节位置。但单一的检测模型难以在复杂的肺部图像中准确定位肺结节的位置,从而导致肺结节的识别效率较低。
技术实现思路
[0003]本公开提供了一种图像识别方法、模型的训练方法、装置、设备及介质。
[0004]根据本公开的一方面,提供了一种图像识别方法,包括:
[0005]对待识别的三维肺部图像进行处理,得到对应的二维肺部图像;
[0006]基于多个方位的识别模型分别对二维肺部图像进行识别,得到多个方位上的肺结节位置识别结果;
[0007]基于三维图像语义分割模型对三维肺部图像进行识别,得到三维肺结节位置识别结果;
[0008]基于多个方位上的肺结节位置识别结果和三维肺结节位置识别结果确定三维肺部图像中肺结节的预测位置。
[0009]对待识别的三维肺部图像进行处理,得到对应的二维肺部图像;
[0010]基于多个方位的识别模型分别对二维肺部图像进行识别,得到多个方位上的肺结节位置识别结果;
[0011]基于三维图像语义分割模型对三维肺部图像进行识别,得到三维肺结节位置识别结果;
[0012]基于多个方位上的肺结节位置识别结果和三维肺结节位置识别结果确定三维肺部图像中肺结节的预测位置
[0 ...
【技术保护点】
【技术特征摘要】
1.一种图像识别方法,包括:对待识别的三维肺部图像进行处理,得到对应的二维肺部图像;基于多个方位的识别模型分别对所述二维肺部图像进行识别,得到多个方位上的肺结节位置识别结果;基于三维图像语义分割模型对所述三维肺部图像进行识别,得到三维肺结节位置识别结果;基于所述多个方位上的肺结节位置识别结果和所述三维肺结节位置识别结果确定所述三维肺部图像中肺结节的预测位置。2.根据权利要求1所述的方法,其中,所述基于多个方位的识别模型分别对所述二维肺部图像进行识别,得到多个方位上的肺结节位置识别结果,包括以下至少之一:基于轴位图像识别模型对所述二维肺部图像进行识别,得到轴位肺结节位置识别结果;基于矢状位图像识别模型对所述二维肺部图像进行识别,得到矢状位肺结节位置识别结果;基于冠状位图像识别模型对所述二维肺部图像进行识别,得到冠状位肺结节位置识别结果。3.根据权利要求1或2所述的方法,其中,所述基于所述多个方位上的肺结节位置识别结果和所述三维肺结节位置识别结果确定所述三维肺部图像中肺结节的预测位置,包括:对所述多个方位上的肺结节位置识别结果和所述三维肺结节位置识别结果进行去除冗余处理,得到所述三维肺部图像中肺结节的预测位置。4.根据权利要求3所述的方法,其中,所述对所述多个方位上的肺结节位置识别结果和所述三维肺结节位置识别结果进行去除冗余处理,得到所述三维肺部图像中肺结节的预测位置,包括:分别确定所述多个方位上的肺结节位置识别结果和所述三维肺结节位置识别结果中肺结节的中心点位置;基于所述肺结节的中心点位置之间的位置关系,确定冗余的肺结节位置识别结果,并去除所述冗余的肺结节位置识别结果,得到所述三维肺部图像中肺结节的预测位置。5.根据权利要求2所述的方法,其中,所述轴位图像识别模型包括:多个肺结节轴位特征识别模型;所述基于轴位图像识别模型对所述二维肺部图像进行识别,得到所述轴位肺结节位置识别结果,包括:基于所述多个肺结节轴位特征识别模型,分别对所述二维肺部图像进行识别,对应得到多个肺结节轴位特征识别结果。6.根据权利要求1
‑
5中任一项所述的方法,还包括:对所述待识别三维肺部图像中肺结节的预测位置进行去假阳处理,得到肺结节的目标位置。7.一种图像识别模型的训练方法,包括:对三维肺结节扫描图像进行轴位切片,得到轴位切片序列;基于所述轴位切片序列对预设模型进行训练,得到轴位图像识别模型。
8.根据权利要求7所述的方法,其中,所述基于所述轴位切片序列对预设模型进行训练,得到轴位图像识别模型,包括:将轴位切片序列分为多个训练集;基于所述多个训练集分别训练所述预设模型,得到多个肺结节轴位特征识别模型。9.根据权利要求7或8所述的方法,其中,所述轴位图像识别模型应用于如权利要求1
‑
6所述的图像识别方法。10.一种图像识别装置,包括:处理模块,用于对待识别的三维肺部图像进行处理,得到对应的二维肺部图像;第一识别模块,用于基于多个方位的识别模型分别对所述二维肺部图像进行识别,得...
【专利技术属性】
技术研发人员:王兆玮,尚方信,杨叶辉,黄海峰,王磊,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
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。