医学图像类激活映射评价方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了医学图像类激活映射评价方法、装置、计算机设备及存储介质。所述方法包括：获取类激活图像；利用tanh缩放函数确定所述类激活图的置信度分区；根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性。通过实施本发明专利技术实施例的方法可实现对类激活映射的效果进行有效的评估，能定性定量地对类激活映射所提供的空间位置信息的准确性和质量进行评价。息的准确性和质量进行评价。息的准确性和质量进行评价。

【技术实现步骤摘要】
医学图像类激活映射评价方法、装置、计算机设备及存储介质


[0001]本专利技术涉及图像处理方法，更具体地说是指医学图像类激活映射评价方法、装置、计算机设备及存储介质。

技术介绍

[0002]医学图像分割在计算机辅助诊断和智能医疗中起着至关重要的作用。它可以在患者治疗和诊断中为医生提供可靠的解剖及病理结构信息，提高医生诊断的效率和准确性。
[0003]目前医学图像分割最主流的方法是使用像素级标注数据集训练的全监督神经网络，但是像素级标注的获取是既费时又昂贵的，对于医学图像更是高的令人望而止步。针对这一局限性，已经展开了大量的弱监督图像分割研究，并取得了令人惊叹的性能，甚至接近全监督学习。在目前的弱监督图像分割方法中，常见的弱标注有图像级标注、点、涂鸦和边界框，而图像级标注最有潜力的，因此大多数研究都是在图像级标注上使用类激活映射(CAM)方法的基础上设计的。图像级标签仅指示出图像中是否存在分割目标，缺乏空间位置信，而类激活映射方法创造性地仅使用图像级标签的卷积神经网络拥有定位能力，目前最先进的C
‑
CAM在分别在CT和MRI图像上接近全监督网络的分割性能。
[0004]类激活映射方法可以解决图像级标注缺乏空间位置信息的问题，能够指出图像中与存在的分割目标高度相关的区域，弥补了图像级标注信息不足的局限，为后续的弱监督分割提供了可能。医学图像类激活映射评价方法大多是将生成的类激活图二值化，进而与图像的像素级标注进行比较，从而得到像素精确度，像素交并比等图像分割指标，但使用现有办法评价类激活映射方法的性能时，因为现有研究都是要求类激活图定位准确，并不要求直接得到分割目标的轮廓，其无法合理对类激活图的空间位置信息进行准确性评价，并且无法指出类激活图定位区域与分割目标的相似性；综上所述，现有的研究中无法对类激活映射的效果进行有效的评估，不能定性定量地对类激活映射所提供的空间位置信息的准确性和质量进行评价。
[0005]因此，有必要设计一种新的方法，实现对类激活映射的效果进行有效的评估，能定性定量地对类激活映射所提供的空间位置信息的准确性和质量进行评价。

技术实现思路

[0006]本专利技术的目的在于克服现有技术的缺陷，提供医学图像类激活映射评价方法、装置、计算机设备及存储介质。
[0007]为实现上述目的，本专利技术采用以下技术方案：医学图像类激活映射评价方法，包括：
[0008]获取类激活图像；
[0009]利用tanh缩放函数确定所述类激活图的置信度分区；
[0010]根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性。
[0011]其进一步技术方案为：所述利用tanh缩放函数确定所述类激活图的置信度分区，
包括：
[0012]使用tanh缩放函数对所述类激活图进行归一化，以得到所述类激活图的置信度；
[0013]按照所述类激活图的置信度以及设定的分区阈值对所述类激活图进行分区，以得到分区结果；
[0014]判断所述类激活图的所有像素点是否都被遍历；
[0015]若所述类激活图的所有像素点都被遍历，则确定所述分区结果为所述类激活图的置信度分区。
[0016]其进一步技术方案为：所述类激活图的置信度分区包括目标高置信度区域、背景高置信度区域、低置信度区域。
[0017]其进一步技术方案为：所述判断所述类激活图的所有像素点是否都被遍历之后，还包括：
[0018]若所述类激活图的所有像素点没有都被遍历，则执行所述按照所述类激活图的置信度以及设定的分区阈值对所述类激活图进行分区，以得到分区结果。
[0019]其进一步技术方案为：所述根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性，包括：
[0020]获取像素级标注信息以及医学图像；
[0021]根据所述类激活图以及所述像素级标注信息计算定位准确性指标；
[0022]根据所述类激活图的置信度分区结合所述医学图像计算目标相似性指标。
[0023]其进一步技术方案为：所述根据所述类激活图以及所述像素级标注信息计算定位准确性指标，包括：
[0024]对tanh缩放函数处理后的类激活图进行线性分段灰度变换，以得到变换后的类激活图；
[0025]对变换后的类激活图以及所述像素级标注信息计算每个像素灰度值的欧氏距离；
[0026]利用所述欧氏距离计算定位准确性指标。
[0027]其进一步技术方案为：所述根据所述类激活图的置信度分区结合所述医学图像计算目标相似性指标，包括：
[0028]裁剪所述医学图像中属于类激活图中目标高置信度分区内的图像，以得到第一图像，并裁剪所述医学图像中属于所述类激活图中像素级标注信息内的图像，以得到第二图像；
[0029]根据所述第一图像以及第二图像计算交并比以及推土机距离；
[0030]根据所述交并比以及推土机距离计算目标相似性指标。
[0031]本专利技术还提供了医学图像类激活映射评价装置，包括：
[0032]图像获取单元，用于获取类激活图像；
[0033]分区确定单元，用于利用tanh缩放函数确定所述类激活图的置信度分区；
[0034]评价单元，用于根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性。
[0035]本专利技术还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
[0036]本专利技术还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程
序被处理器执行时实现上述的方法。
[0037]本专利技术与现有技术相比的有益效果是：本专利技术通过利用tanh缩放函数根据设定好的阈值获得类激活图的置信度分区，再根据类激活图的置信度分区评价类激活图的定位准确性和目标相似性，实现对类激活映射的效果进行有效的评估，能定性定量地对类激活映射所提供的空间位置信息的准确性和质量进行评价。
[0038]下面结合附图和具体实施例对本专利技术作进一步描述。
附图说明
[0039]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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。
[0040]图1为本专利技术实施例提供的医学图像类激活映射评价方法的应用场景示意图；
[0041]图2为本专利技术实施例提供的医学图像类激活映射评价方法的流程示意图；
[0042]图3为本专利技术实施例提供的医学图像类激活映射评价方法的子流程示意图；
[0043]图4为本专利技术实施例提供的医学图像类激活映射评价方法的子流程示意图；
[0044]图5为本专利技术实施例提供的医学图像类激活映射评价方法的子流程示意图；
[0045]图6为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.医学图像类激活映射评价方法，其特征在于，包括：获取类激活图像；利用tanh缩放函数确定所述类激活图的置信度分区；根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性。2.根据权利要求1所述的医学图像类激活映射评价方法，其特征在于，所述利用tanh缩放函数确定所述类激活图的置信度分区，包括：使用tanh缩放函数对所述类激活图进行归一化，以得到所述类激活图的置信度；按照所述类激活图的置信度以及设定的分区阈值对所述类激活图进行分区，以得到分区结果；判断所述类激活图的所有像素点是否都被遍历；若所述类激活图的所有像素点都被遍历，则确定所述分区结果为所述类激活图的置信度分区。3.根据权利要求2所述的医学图像类激活映射评价方法，其特征在于，所述类激活图的置信度分区包括目标高置信度区域、背景高置信度区域、低置信度区域。4.根据权利要求1所述的医学图像类激活映射评价方法，其特征在于，所述判断所述类激活图的所有像素点是否都被遍历之后，还包括：若所述类激活图的所有像素点没有都被遍历，则执行所述按照所述类激活图的置信度以及设定的分区阈值对所述类激活图进行分区，以得到分区结果。5.根据权利要求1所述的医学图像类激活映射评价方法，其特征在于，所述根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性，包括：获取像素级标注信息以及医学图像；根据所述类激活图以及所述像素级标注信息计算定位准确性指标；根据所述类激活图的置信度分区结合所述医学图像计算目标相似...

【专利技术属性】
技术研发人员：陈文兵，杜杰，刘鹏，汪天富，
申请(专利权)人：深圳大学，
类型：发明
国别省市：