图像检测方法及相关的模型训练方法、设备、装置制造方法及图纸

本申请公开了一种图像检测方法及相关的模型训练方法、设备、装置。检测方法包括：获取包含目标对象的目标医学图像；其中，目标对象包括若干骨骼；基于目标医学图像，确定至少一张待检测图像，其中，待检测图像包含至少部分的目标医学图像；对至少一张待检测图像进行检测，得到检测结果，其中，检测结果包括待检测图像中的骨骼的以下至少一种检测信息：类别信息和/或在目标医学图像的位置信息。上述方案，能够提高对医学图像中肋骨进行检测的效率和准确度。确度。确度。

【技术实现步骤摘要】
图像检测方法及相关的模型训练方法、设备、装置


[0001]本申请涉及人工智能
，特别是涉及一种图像检测方法及相关的模型训练方法、设备、装置。

技术介绍

[0002]当前，利用神经网络对人和动物的骨骼进行分割、标记，进而促进人们对骨骼自身情况的了解，以及关于骨骼的疾病判断等方面，是研究的热点，应用前景广泛。例如，针对包含人体肋骨的CT图像，对肋骨进行分割、标记的技术，能够帮助医生快速判断肋骨骨折等问题，这极大地减轻了医生的负担。
[0003]然而，目前在利用神经网络对人和动物的骨骼进行分割、标记时，无法直接输出结果检测结果，往往需要根据骨骼之间的排布上的顺序关系来辅助分割、标记。当图像上的骨骼不完整时，往往无法准确的对图像中骨骼进行分割、标记。这极大地限制了神经网络对骨骼进行分割、标记这一技术的进一步发展。
[0004]因此，如何提高神经网络对骨骼图像的分割、标记的能力，具有非常重要的意义。

技术实现思路

[0005]本申请至少提供一种图像检测方法及相关的模型训练方法、设备、装置。
>[0006]本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：获取包含目标对象的目标医学图像；其中，所述目标对象包括若干骨骼；基于所述目标医学图像，确定至少一张待检测图像，其中，所述待检测图像包含至少部分的所述目标医学图像；对所述至少一张待检测图像进行检测，得到检测结果，其中，所述检测结果包括待检测图像中的所述骨骼的以下至少一种检测信息：类别信息和/或在所述目标医学图像的位置信息。2.根据权利要求1所述的方法，其特征在于，所述目标医学图像为三维图像，所述待检测图像为二维图像；所述为目标医学图像确定至少一张待检测图像，包括：沿第一方向对所述目标医学图像取第一目标层，得到所述第一目标层对应的第一待检测图像；沿第二方向对所述目标医学图像取第二目标层，得到所述第二目标层对应的第二待检测图像；其中，所述第一方向和第二方向相交；所述对所述至少一张待检测图像进行检测，得到检测结果，包括：将所述第一待检测图像和所述第二待检测图像输入图像检测模型，得到检测区域中包含的所述骨骼的所述检测信息，以作为所述检测结果；其中，所述检测区域为所述第一目标层对应的第一待检测图像和所述第二目标层对应的第二待检测图像之间的相交区域。3.根据权利要求2所述的方法，其特征在于，所述基于目标医学图像，确定至少一张待检测图像，还包括：沿第一方向对所述目标医学图像取若干第一其他层，得到若干第一其它层对应的若干第一待检测图像，其中，所述第一其他层与所述第一目标层相差小于第一预设层数；沿第二方向对所述目标医学图像取若干第二其他层，得到若干第二其他层对应的若干第二待检测图像，其中，所述第二其他层与所述第二目标层相差小于第二预设层数；其中，输入至所述图像检测模型进行处理的第一待检测图像包括所述第一目标层对应的第一待检测图像和第一其它层对应的第一待检测图像，输入至所述图像检测模型进行处理的第二待检测图像包括所述第二目标层对应的第二待检测图像和第二其它层对应的第二待检测图像。4.根据权利要求3所述的方法，其特征在于，所述若干第一其他层包括所述第一目标层之前的连续第一数量层和/或所述第一目标层之后的连续第二数量层；所述若干第二其它层包括所述第二目标层之前的连续第三数量层和/或所述第二目标层之后的连续第四数量层；所述第一方向为人体的冠状轴方向，所述第二方向为人体的矢状轴方向。5.根据权利要求2至4任一项所述的方法，其特征在于，所述图像检测模型包括第一特征提取网络、第二特征提取网络和融合网络；所述将所述第一待检测图像和所述第二待检测图像输入至所述图像检测模型进行处理，得到检测区域中包含的所述骨骼的所述检测信息，包括：利用所述第一特征提取网络对输入的所述第一待检测图像进行特征提取，以得到所述
第一目标层对应的第一待检测图像的第一特征图；利用所述第二特征提取网络对输入的所述第二待检测图像进行特征提取，以得到所述第二目标层对应的第二待检测图像的第二特征图；利用所述融合网络对所述第一特征图和所述第二特征图进行融合处理，得到检测区域中包含的所述骨骼的所述检测信息。6.根据权利要求5所述的方法，其特征在于，所述融合网络包括第三特征提取网络和检测网络；所述利用所述融合网络对所述第一特征图和所述第二特征图进行融合处理，得到检测区域中包含的所述骨骼的所述检测信息，包括：利用所述第三特征提取网络对所述第一特征图和所述第二特征图进行特征提取，得到第三特征图；利用所述检测网络对所述第三特征图进行检测，得到所述检测区域中包含的所述骨骼的所述检测信息。7.根据权利要求1至6任一项所述的方法，其特征在于，所述目标对象为人体肋骨；和/或，在所述为目标医学图像确定至少一张待检测图像之后，所述方法还包括以下至少一个步骤：统一所述至少一张待检测图像的空间分辨率；分别对每张所述待检测图像的像素进行归一化处理。8.一种图像检测模型的训练方法，其特征在于，包括：获取包含目标对象的样本医学图像；其中，所述目标骨骼目标对象包括若干骨骼；基于所述样本医学图像，确定至少一张样本检测图像，其中，所述样本检测图像包含至少部分的所述样本医学图像，且标注有所述样本检测图像中的所述骨骼的实际信息；利用所述至少一张样本检测图像对图像检测模型进行训练；其中，在所述训练过程中，所述图像检测模型模用于输出样本骨骼检测信息，所述样本骨骼检测信息包括样本检测图像中的所述骨骼的检测信息，所述骨骼的实际信息和检测信息均包括：类别信息和/或在所述目标医学图像的位置信息。9.根据权利要求8所述的方法，其特征在于，所述样本医学图像为三维图像，所述样本检测图像为二维图像；所述基于样本医学图像，确定至少一张样本检测图像，包括：沿第一方向对所述样本医学图像取第一目标层，得到所述第一目标层对应的第一样本检测图像；沿第二方向对所述样本医学图像取第二目标层，得到所述第二目标层对应的第二样本检测图像；其中，所述第一方向和第二方向相交；所述利用所述至少一张样本检测图像对图像检测模型进行训练，包括：利用第一样本检测图像和第二样本检测图像对所述图像检测模型进行训练，其中，所述样本骨骼检测信息为样本检测区域中的所述骨骼的检测信息，所述样本检测区域为所述第一目标层对应的第一待检测图像和所述第二目标层对应的第二待检测图像之间的相交区域。
10.根据权利要求9所述的方法，其特征在于，所述图像检测模型包括用于对第一样本检测图像进行特征提取的第一特征提取网络、用于对第二样本检测图像进行特征提取的第二特征提取网络、用于基于第一特征提取网络和第二特征提取网络输出的特征图得到骨骼检测信息的融合网络；所述利用第一样本检测图像和第二样本检测图像对所述图像检测模型进行训练，包括：利用所述第一样本检测图像对所述第一特征提...

【专利技术属性】
技术研发人员：王佳楠，谢帅宁，赵亮，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：