[发明专利]一种医学图像处理装置及方法有效
申请号: | 201811544139.7 | 申请日: | 2018-12-17 |
公开(公告)号: | CN109583576B | 公开(公告)日: | 2020-11-06 |
发明(设计)人: | 韩妙飞;张宇;高耀宗 | 申请(专利权)人: | 上海联影智能医疗科技有限公司 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G16H30/00 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 200232 上海市徐*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 医学 图像 处理 装置 方法 | ||
1.一种医学图像处理方法,其特征在于,所述处理方法包括:
获取待处理的医学图像,其中,所述医学图像为三维图像;
根据经训练的神经网络模型对医学图像进行处理;
确定所有卷积层中输入和输出所需的最大内存,并根据所述最大内存分配相应的输入内存和输出内存,在处理过程中,所述输入内存和所述输出内存相互调换,若所述神经网络模型中包括跨层连接的卷积层,所述跨层连接的卷积层的输入和输出嵌入到所述输入内存和所述输出内存中;
其中,所述神经网络模型包括多个神经网络结构单元,所述神经网络结构单元包括依次连接的第一卷积层、第二卷积层和第三卷积层,所述第一卷积层和所述第三卷积层的卷积核为单位卷积核;所述第一卷积层的输出通道数相对于所述第一卷积层的输入通道数被降维,所述第二卷积层在经过所述第一卷积层降维的特征图像上进行空间卷积,所述第三卷积层的输出通道数被升维至所述第一卷积层的输入通道数。
2.根据权利要求1所述的医学图像处理方法,其特征在于,所述神经网络结构单元还包括批量归一化层和激活层。
3.根据权利要求1所述的医学图像处理方法,其特征在于,所述神经网络模型为卷积神经网络模型。
4.根据权利要求3所述的医学图像处理方法,其特征在于,所述卷积神经网络模型为U字型或V字型神经网络模型。
5.根据权利要求1所述的医学图像处理方法,其特征在于,所述第二卷积层的卷积核大小为3-5。
6.一种医学图像处理装置,其特征在于,所述处理装置包括:
医学图像获取模块,获取待处理的医学图像,其中,所述医学图像为三维图像;
医学图像处理模块,根据经训练的神经网络模型对医学图像进行处理,确定所有卷积层中输入和输出所需的最大内存,并根据所述最大内存分配相应的输入内存和输出内存,在处理过程中,所述输入内存和所述输出内存相互调换,若所述神经网络模型中包括跨层连接的卷积层,所述跨层连接的卷积层的输入和输出嵌入到所述输入内存和所述输出内存中;
其中,所述神经网络模型包括多个神经网络结构单元,所述神经网络结构单元包括依次连接的第一卷积层、第二卷积层和第三卷积层,所述第一卷积层和所述第三卷积层的卷积核为单位卷积核;所述第一卷积层的输出通道数相对于所述第一卷积层的输入通道数被降维,所述第二卷积层在经过所述第一卷积层降维的特征图像上进行空间卷积,所述第三卷积层的输出通道数被升维至所述第一卷积层的输入通道数。
7.一种计算机可读存储介质,其上存储有计算机指令,其中当计算机指令被处理器执行时,执行如权利要求1-5任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海联影智能医疗科技有限公司,未经上海联影智能医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811544139.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于深度学习提高仪器矢量信号分析性能的处理方法
- 下一篇:运算装置及方法
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序