图像识别方法、模型的训练方法、装置、设备及介质制造方法及图纸

本公开提供了图像识别方法、模型的训练方法、装置、设备及介质，涉及图像处理技术领域，具体涉及深度学习技术领域。具体实现方案为：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。根据本公开的技术，肺结节的识别效率较低的问题。节的识别效率较低的问题。节的识别效率较低的问题。

【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
[0013]根据本公开的另一方面，提供了一种图像识别模型的训练方法，包括：
[0014]对三维肺结节扫描图像进行轴位切片，得到轴位切片序列；
[0015]基于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。
[0016]根据本公开的另一方面，提供了一种图像识别装置，包括：
[0017]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；
[0018]第一识别模块，用于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；
[0019]第二识别模块，用于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；
[0020]预测模块，用于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。
[0021]根据本公开的另一方面，提供了一种图像识别模型的训练装置，包括：
[0022]获取模块，用于对三维肺结节扫描图像进行轴位切片，得到轴位切片序列；
[0023]训练模块，用于基于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。
[0024]根据本公开的另一方面，提供了一种电子设备，包括：
[0025]至少一个处理器；以及
[0026]与至少一个处理器通信连接的存储器；其中，
[0027]存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开实施例中任意一种任务处理方法。
[0028]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开实施例中任意一种任务处理方法。
[0029]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开实施例中任意一种任务处理方法。
[0030]上述申请中的一个实施例具有如下优点或有益效果：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，并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。再将多个方位上的二维肺结节位置识别结果和三维肺结节位置识别结果融合，从多个角度确定肺部图像中肺结节的预测位置，即使在复杂的的肺部图像中也可以准确识别出肺结节的位置，从而提高了肺结节的识别的准确性，同时提高了肺结节的识别效率。
[0031]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0032]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0033]图1是根据本公开一实施例的图像识别方法的流程图；
[0034]图2是根据本公开一实施例的图像语义分割模型的示意图；
[0035]图3是根据本公开一实施例的肺部扫描图像的矢状位、冠状位、轴位的示意图；
[0036]图4是根据本公开一实施例的图像识别方法的流程图；
[0037]图5是根据本公开一实施例的图像识别方法的具体流程框图；
[0038]图6是根据本公开一实施例的图像识别模型的训练方法的流程图；
[0039]图7是根据本公开一实施例的轴位切片序列的示意图；
[0040]图8是根据本公开一实施例的肺结节上端特征训练集、肺结节中间特征训练集、肺结节下端特征训练集的示意图；
[0041]图9是根据本公开一实施例的图像识别装置的框图；
[0042]图10是根据本公开一实施例的图像识别装置的框图；
[0043]图11是根据本公开一实施例的图像识别模型的训练装置的框图；
[0044]图12是用来实现本公开实施例的图像识别方法的电子设备的框图。
具体实施方式
[0045]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种
细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0046]图1是根据本公开一实施例的图像识别方法的流程图。如图1所示，该方法可以包括：
[0047]S101、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；
[0048]S102、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；
[0049]S103、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；
[0050]S104、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。
[0051]在步骤S101中，示例性地，获取待识别的三维肺部图像之后，可以对三维肺部图像进行切片处理，从而得到二维肺部图像。需要说明的是，在对三维肺部图像进行切片处理时，可以基于不同的方位分别对三维肺部图像进行切片处理。具体地，可以采用Matlab沿任意方向切割。例如，分别沿着轴位、冠状位、矢状位对三维肺部图像进行切片处理。
[0052]在步骤S102中，示例性地，在现有技术本文档来自技高网...

【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：