图像检测方法及相关的模型训练方法、设备、装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114119476A(43)申请公布日2022.03.01(21)申请号202111235651.5G06N3/04(2006.01)(22)申请日2021.10.22G06N3/08(2006.01)G06K9/62(2022.01)(71)申请人上海商汤智能科技有限公司地址200233上海市徐汇区桂平路391号3号楼1605A室(72)发明人王佳楠谢帅宁赵亮(74)专利代理机构深圳市威世博知识产权代理事务所(普通合伙)44280代理人何倚雯(51)Int.Cl.G06T7/00(2017.01)G16H30/40(2018.01)G06V10/774(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书5页说明书24页附图4页(54)发明名称图像检测方法及相关的模型训练方法、设备、装置(57)摘要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。CN114119476ACN114119476A权利要求书1/5页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2CN114119476A权利要求书2/5页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