图像检测方法、装置、医学图像处理设备及存储介质.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CN113920309A(43)申请公布日2022.01.11(21)申请号202111525183.5(22)申请日2021.12.14(71)申请人武汉楚精灵医疗科技有限公司地址430206湖北省武汉市东湖新技术开发区高新大道818号武汉高科医疗器械园B地块一期B10栋5层03号(72)发明人杨鑫(74)专利代理机构深圳紫藤知识产权代理有限公司44570代理人杨婉秋(51)Int.Cl.G06V10/25(2022.01)G06V10/774(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书12页附图6页(54)发明名称图像检测方法、装置、医学图像处理设备及存储介质(57)摘要本申请提供一种图像检测方法、装置、医学图像处理设备及存储介质，方法包括：获取待检测的医学图像；通过已训练的图像分类模型，对医学图像进行标识分类，确定医学图像的图像类型；以及对医学图像进行标识检测，以提取医学图像中的目标区域图像；根据图像类型，对目标区域图像进行目标检测，以确定医学图像所属的光源模式。采用本方法，能够提高医学图像来源的可靠性，进而提升医学图像的腺瘤识别准确率。CN113920309ACN113920309A权利要求书1/2页1.一种图像检测方法，其特征在于，包括：获取待检测的医学图像；通过已训练的图像分类模型，对所述医学图像进行标识分类，确定所述医学图像的图像类型；以及对所述医学图像进行标识检测，以提取所述医学图像中的目标区域图像；根据所述图像类型，对所述目标区域图像进行目标检测，以确定所述医学图像所属的光源模式。2.如权利要求1所述的方法，其特征在于，所述根据所述图像类型，对所述目标区域图像进行目标检测，以确定所述医学图像所属的光源模式，包括：根据所述图像类型，调用已训练的目标检测模型；以及将所述目标区域图像输入至所述已训练的目标检测模型中进行目标检测，输出所述目标区域图像的光源模式特征向量；根据所述目标区域图像的光源模式特征向量，确定所述医学图像所属的光源模式。3.如权利要求2所述的方法，其特征在于，所述光源模式特征向量包括预测类别概率，所述根据所述目标区域图像的光源模式特征向量，确定所述医学图像所属的光源模式，包括：响应于所述图像类型为第一内镜图像，且所述预测类别概率满足于预设的标识字样概率，确定所述医学图像所属的光源模式为弱放大光源模式；响应于所述图像类型为第二内镜图像，且所述预测类别概率满足于预设的标识字样概率，且所述目标区域图像的像素占比数值满足于预设的像素占比阈值，确定所述医学图像所属的光源模式为弱放大光源模式；其中，所述光源模式包括非弱放大光源模式和弱放大光源模式，所述弱放大光源模式用于触发对所述医学图像进行腺瘤识别的操作。4.如权利要求2所述的方法，其特征在于，所述根据所述图像类型，调用已训练的目标检测模型，包括：响应于所述图像类型为第一内镜图像，调用已训练的YOLO‑D1模型，作为所述对应已训练的目标检测模型；响应于所述图像类型为第二内镜图像，调用已训练的YOLO‑D2模型，作为所述对应已训练的目标检测模型；其中，所述已训练的YOLO‑D1模型是通过多个已标注文字标识的医学样本图像训练得到的，所述已训练的YOLO‑D2模型是通过多个已标注图形标识的医学样本图像训练得到的。5.如权利要求4所述的方法，其特征在于，在所述调用已训练的目标检测模型之前，还包括：构建初始的目标检测模型，所述初始的目标检测模型为YOLO‑D1模型或者YOLO‑D2模型；获取医学样本图像集，并将所述医学样本图像集划分为训练集和测试集，所述医学样本图像集包括多个已标注字样或指示条的医学样本图像；使用所述训练集，对所述初始的目标检测模型进行初步训练，得到初步训练后的目标检测模型；2CN113920309A权利要求书2/2页使用所述测试集，对所述初步训练后的目标检测模型进行测试调整，得到所述已训练的目标检测模型。6.如权利要求1所述的方法，其特征在于，在所述通过已训练的图像分类模型，对所述医学图像进行标识分类，确定所述医学图像的图像类型之前，还包括：构建初始的图像分类模型，所述初始的图像分类模型由ResNet50网络结构构成，且预置有多元交叉熵损失函数；获取医学样本图像集，所述医学样本图像集包括多个已标注标识特征的医学样本图像；其中，所述标识特征包括第一内镜图像的第一标识特征，以及第二内镜图像的第二标识特征；使用所述医学样本图像集，对所述初始的图像分类模型进行训练，得到所述已训练的图像分类模型。7.如权利要求1至6中任一项所述的方法，其特征在于，所述获取待检测的医学图像，包括：获取待检测的医学视频；对所述医学视频进行抽帧，得