[发明专利]定位ROI的方法、装置、设备及机器可读存储介质

权利要求书

1.一种定位感兴趣区域ROI的方法，其特征在于，所述方法用于通过预先训练的一维图像分类器对二维医学图像中的ROI进行定位，所述方法包括：

获取二维医学图像；

调用所述二维医学图像的一维图像分类器；

通过所述一维图像分类器对所述二维医学图像在多个方向上进行一维ROI定位，得到多个一维ROI定位结果；

根据所述多个一维ROI定位结果，确定所述二维医学图像的ROI；

预先训练一维图像分类器包括：

获取目标组织的一组二维医学图像；

提取所述一组二维医学图像中每个二维医学图像的图像信息，所述图像信息包括从所述二维医学图像中采样的多个一维图像，每个一维图像是否包含ROI一维元素的标签，以及每个一维图像邻域内的图像特征；

将所述每个二维医学图像的图像信息输入一维图像分类模型进行训练，得到所述目标组织的一维图像分类器；所述一维图像分类器用于在输入所述目标组织的二维医学图像后，输出所述二维医学图像的任一一维图像对应的标签，所述标签包括在一维图像包含ROI一维元素时输出的第一标签，以及在一维图像不包含ROI一维元素时输出的第二标签；

保存所述目标组织的组织名称与训练得到的一维图像分类器的对应关系。

2.根据权利要求1所述的方法，其特征在于，所述提取所述一组二维医学图像中每个二维医学图像的图像信息，包括：

对每个二维医学图像进行随机旋转，获得图像训练集，其中旋转后的每个二维医学图像中包含标定出的ROI；

针对旋转后的每个二维医学图像，执行如下操作：

从所述二维医学图像中随机采样多个一维图像；

针对每个一维图像，如果所述一维图像包含所述ROI的一维元素，则对所述一维图像附加第一标签，如果所述一维图像未包含所述ROI的一维元素，则对所述一维图像附加第二标签；以及

从每个一维图像的邻域内提取图像特征。

3.根据权利要求1所述的方法，其特征在于，

所述一维图像分类模型包括至少一个下述模型：支持向量机的分类模型，基于神经网络的分类模型，基于决策树的分类模型；

所述图像特征包括至少一个下述特征：灰度特征，纹理特征，小波特征。

4.根据权利要求1所述的方法，其特征在于，所述调用所述二维医学图像的一维图像分类器，包括：

确定所获取的二维医学图像对应的组织名称；

通过查找所述对应关系，调用与所述组织名称对应的一维图像分类器。

5.根据权利要求1所述的方法，其特征在于，所述通过所述一维图像分类器对所述二维医学图像在多个方向上进行一维ROI定位，得到一维ROI定位结果，包括：

确定所述二维医学图像的ROI定位方向集，所述ROI定位方向集中包含对ROI进行一维定位的多个一维定位方向；

针对每个一维定位方向，对所述二维医学图像进行旋转，直至旋转后的一维定位方向垂直于旋转后的二维医学图像的一维方向；

通过所述一维图像分类器对每个旋转后的二维医学图像进行一维ROI定位，得到每个一维图像对应的标签；

将所述旋转后的二维医学图像逆向旋转回所述一维定位方向的初始方向后，获得所述二维医学图像在所述一维定位方向上的一维ROI定位结果，所述一维ROI定位结果包括由标签为第一标签的一维图像组成的区域。

6.根据权利要求5所述的方法，其特征在于，所述通过所述一维图像分类器对每个旋转后的二维医学图像进行一维ROI定位，得到每个旋转后的二维医学图像中每个一维图像对应的标签，包括：

针对每个旋转后的二维医学图像，通过所述一维图像分类器对每个一维图像分别从一维方向的正向进行一维ROI定位，得到第一定位值，以及从一维方向的逆向进行一维ROI定位，得到第二定位值；

计算所述每个一维图像的第一定位值和第二定位值的平均值；

当所述平均值大于预设阈值时，确定所述一维图像的标签为第一标签，当所述平均值不大于预设阈值时，确定所述一维图像的标签为第二标签。