图像检测方法、装置、设备和存储介质制造方法及图纸

本申请提供一种图像检测方法、装置、设备和存储介质，该方法包括：获取通过平扫CT得到的检测图像，从检测图像中提取出目标身体部位图像；通过第一图像检测模型对目标身体部位图像进行第一图像分类分割处理，以确定目标身体部位图像中存在第一目标病灶类型及对应于第一目标病灶类型的病灶区域；通过第二图像检测模型对目标身体部位图像进行第二图像分类分割处理，以确定目标身体部位图像中存在的第二目标病灶类型及病灶区域，第二目标病灶类型是第一目标病灶类型的子类别。通过两个图像检测模型的协同，可以实现包含病灶类型和病灶区域的图像的精细化检测。的图像的精细化检测。的图像的精细化检测。

【技术实现步骤摘要】
图像检测方法、装置、设备和存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种图像检测方法、装置、设备和存储介质。

技术介绍

[0002]胰腺癌，是一种致死率很高的恶性肿瘤，不易筛查发现，一经发现，往往已经是癌症晚期，失去手术机会，5年生存率很低。
[0003]针对胰腺癌等胰腺相关疾病，目前往往是通过对病患进行电子计算机断层扫描(Computed Tomography，简称CT)图像的采集，以辅助诊断。常用的CT包括增强CT和平扫CT两种，其中，增强CT需注射造影剂，造影剂使患者有过敏的风险，增加了费用，并且由于多期像的扫描使患者暴露于更多的辐射。
[0004]如上的CT图像中会包含很多有价值的信息，按需对这些图像进行精细化检测具有重要意义。

技术实现思路

[0005]本专利技术实施例提供一种图像检测方法、装置、设备和存储介质，用于实现对包含有病灶信息的图像的精细化检测。
[0006]第一方面，本专利技术实施例提供一种图像检测方法，所述方法包括：
[0007]获取通过平扫电子计算机断层扫描得到的检测图像；
[0008]从所述检测图像中提取出对应于目标身体部位的目标身体部位图像；
[0009]通过第一图像检测模型对所述目标身体部位图像进行第一图像分类分割处理，以确定所述目标身体部位图像中存在第一目标病灶类型及对应于第一目标病灶类型的病灶区域；
[0010]通过第二图像检测模型对所述目标身体部位图像进行第二图像分类分割处理，以确定所述目标身体部位图像中存在的第二目标病灶类型及病灶区域，所述第二目标病灶类型是所述第一目标病灶类型的子类别。
[0011]第二方面，本专利技术实施例提供一种图像检测装置，所述装置包括：
[0012]采集模块，用于获取通过平扫电子计算机断层扫描得到的检测图像；
[0013]切割模块，用于从所述检测图像中提取出对应于目标身体部位的目标身体部位图像；
[0014]第一检测模块，用于通过第一图像检测模型对所述目标身体部位图像进行第一图像分类分割处理，以确定所述目标身体部位图像中存在第一目标病灶类型及对应于第一目标病灶类型的病灶区域；
[0015]第二检测模块，用于通过第二图像检测模型对所述目标身体部位图像进行第二图像分类分割处理，以确定所述目标身体部位图像中存在的第二目标病灶类型及病灶区域，所述第二目标病灶类型是所述第一目标病灶类型的子类别。
[0016]第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器、通信接口；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如第一方面所述的图像检测方法。
[0017]第四方面，本专利技术实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的图像检测方法。
[0018]第五方面，本专利技术实施例提供一种图像检测方法，所述方法包括：
[0019]接收用户设备通过调用图像检测服务触发的请求，所述请求中包括通过对人体进行平扫电子计算机断层扫描得到的检测图像；
[0020]利用所述图像检测服务对应的处理资源执行如下步骤：
[0021]接收用户设备通过调用图像检测服务触发的请求，所述请求中包括通过平扫电子计算机断层扫描得到的检测图像；
[0022]利用所述图像检测服务对应的处理资源执行如下步骤：
[0023]从所述检测图像中提取出对应于目标身体部位的目标身体部位图像；
[0024]通过第一图像检测模型对所述目标身体部位图像进行第一图像分类分割处理，以确定所述目标身体部位图像中存在第一目标病灶类型及对应于第一目标病灶类型的病灶区域；
[0025]通过第二图像检测模型对所述目标身体部位图像进行第二图像分类分割处理，以确定所述目标身体部位图像中存在的第二目标病灶类型及病灶区域，所述第二目标病灶类型是所述第一目标病灶类型的子类别；
[0026]将标记有所述第二目标病灶类型及病灶区域的检测图像反馈至所述用户设备。
[0027]第六方面，本专利技术实施例提供一种图像检测方法，应用于扩展现实设备，所述方法包括：
[0028]获取通过平扫电子计算机断层扫描得到的检测图像；
[0029]从所述检测图像中提取出对应于目标身体部位的目标身体部位图像；
[0030]通过第一图像检测模型对所述目标身体部位图像进行第一图像分类分割处理，以确定所述目标身体部位图像中存在第一目标病灶类型及对应于第一目标病灶类型的病灶区域；
[0031]通过第二图像检测模型对所述目标身体部位图像进行第二图像分类分割处理，以确定所述目标身体部位图像中存在的第二目标病灶类型及病灶区域，所述第二目标病灶类型是所述第一目标病灶类型的子类别；
[0032]显示标记有所述第二目标病灶类型及病灶区域的检测图像。
[0033]在本专利技术实施例中，以检测胰腺部位的病灶情形为例，可以通过平扫CT对用户的胸部或腹部进行扫描以得到检测图像，不需要依赖于增强CT，从而不需要对用户注入造影剂(无介入)。之后，从检测图像中分割出对应于目标身体部位(如胰腺区域)的目标身体部位图像。之后，先通过第一图像检测模型对目标身体部位图像进行图像的分类和分割处理，以确定目标身体部位图像中是否存在第一目标病灶类型及对应于第一病灶类型的病灶区域。若存在，则通过第二图像检测模型对目标身体部位图像进行第二图像分类分割处理，以确定目标身体部位图像中存在的第二目标病灶类型及病灶区域，其中，第二目标病灶类型
是第一目标病灶类型的子类别。
[0034]由此可知，上述第一图像检测模型用于检测出目标身体部位图像中是否存在某种或某几种类型的病症以及对应的病灶区域，核心在于确定目标身体部位图像中是否包含需要进一步识别的病灶；基于此，第二图像检测模型用于进一步精确地检测出目标身体部位图像中具体包含的病灶类型和病灶区域。基于上述两个图像检测模型的使用，可以提供辅助图像信息，用于比如胰腺、肺部、胃部等不同部位相关疾病的定位。
附图说明
[0035]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本专利技术实施例提供的一种图像检测方法的流程图；
[0037]图2为本专利技术实施例提供的一种胰腺疾病筛查过程的应用示意图；
[0038]图3为本专利技术实施例提供的一种第一图像检测模型的组成示意图；
[0039]图4为本专利技术实施例提供的一种第二图像检测模型的组成示意图；
[0040]图5为本专利技术实施例提供的一种图像检测方法的应用示意图；
[0041]图6为本专利技术实施例本文档来自技高网...

【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：获取通过平扫电子计算机断层扫描得到的检测图像；从所述检测图像中提取出对应于目标身体部位的目标身体部位图像；通过第一图像检测模型对所述目标身体部位图像进行第一图像分类分割处理，以确定所述目标身体部位图像中存在第一目标病灶类型及对应于第一目标病灶类型的病灶区域；通过第二图像检测模型对所述目标身体部位图像进行第二图像分类分割处理，以确定所述目标身体部位图像中存在的第二目标病灶类型及病灶区域，所述第二目标病灶类型是所述第一目标病灶类型的子类别。2.根据权利要求1所述的方法，其特征在于，所述第一图像检测模型用于进行第一组病灶类型的检测，所述第一组病灶类型中包括：按所述目标身体部位对应的疾病严重程度依次划分出的第三目标病灶类型、所述第一目标病灶类型和无病灶，其中，所述第一目标病灶类型是指除所述第三目标病灶类型外的病灶类型的统称。3.根据权利要求1所述的方法，其特征在于，所述第一图像检测模型包括第一特征提取子模型和第一分类分割子模型，所述第一特征提取子模型包括第一编码模块、第一解码模块以及所述第一编码模块和所述第一解码模块之间的跳接层；所述通过第一图像检测模型对所述目标身体部位图像进行第一图像分类分割处理，包括：通过所述第一编码模块提取所述目标身体部位图像对应的第一特征图组，所述第一特征图组由多个尺度的特征图构成；通过所述跳接层将所述第一特征图组输入到所述第一解码模块；通过所述第一解码模块获取所述目标身体部位图像对应的第二特征图组，所述第二特征图组由多个尺度的特征图构成；将所述第二特征图组输入到所述第一分类分割子模型，以通过所述第一分类分割子模型对所述第二特征图组中包含的特征图进行融合，并基于融合后的特征图确定所述目标身体部位图像中是否存在第一目标病灶类型及对应于所述第一目标病灶类型的病灶区域。4.根据权利要求1所述的方法，其特征在于，所述第二图像检测模型包括第二特征提取子模型、第二分类分割子模型和池化模块，所述第二分类分割子模型中包括记忆单元和注意力模块；其中，所述记忆单元被训练为用于存储所述第一目标病灶类型下包含的不同病灶类型在所述目标身体部位中对应的位置和视觉特征，所述记忆单元被配置为以目标数量的记忆向量来存储所述位置和视觉特征；所述通过第二图像检测模型对所述目标身体部位图像进行第二图像分类分割处理，包括：通过所述第二特征提取子模型提取所述目标身体部位图像对应的第三特征图组，所述第三特征图组由多个尺度的特征图构成；依次针对所述多个尺度的特征图中的目标特征图：通过所述池化模块对所述目标特征图进行池化处理，以将所述目标特征图压缩为所述目标数量的特征向量；以及通过所述注意力模块对所述目标数量的参考向量与所述目标数量的特征向量进行交叉注意力处理，对所述目标数量的参考向量进行自注意力处理，加和交叉注意力处理结果和自注意力处理结果；其中，当所述目标特征图是所述多个尺度的特征图中的第一个时，所述参考向量为所述
记忆向量，当所述目标特征图不是所述多个尺度的特征图中的第一个时，所述参考向量为前一个目标特征图对应的交叉注意力处理结果和自注意力处理结果的加和结果；所述目标特征图是所述多个尺度的特征图中的任一个；根据最后一个目标特征图对应的交叉注意力处理结果和自注意力处理结果的加和结果，确定所述目标身体部位图像中存在的第二目标病灶类型及病灶区域。5.根据权利要求4所述的方法，其特征在于，所述第二图像检测模型中包括位置嵌入模块；所述通过所述注意力模块对所述目标数量的参考向量与所述目标数量的特征向量进行交叉注意力处理，包括：分别对所述目标数量的特征向量叠加上对应的位置嵌入向量，其中，任一特征向量上叠加的位置嵌入向量用于表征所述任一特征向量在所述目标数量的特征向量中对应的位置信息；通过所述注意力模块对所述目标数量的参考向量与所述目标数量的叠加上各自对应的位置嵌入向量的特征向量进行交叉注意力处理。6.根据权利要求4所述的方法，其特征在于，所述第二特征提取子模型包括第二编码模块、第二解码模块以及所述第二编码模块和所述第二解码模块之间的跳接层；所述通过所述第二特征提取子模型提取所述目标身体部位图像对应的第三特征图组，包括：通过所述第二编码...

【专利技术属性】
技术研发人员：夏英达，张灵，姚佳文，吕乐，华先胜，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：