[发明专利]一种目标检测方法、装置、计算设备及介质

说明书

本发明公开了一种目标检测方法、装置、计算设备及介质，该方法包括：将待检测的图像输入到目标检测模型，应用目标检测模型对该图像进行目标检测，其中，该图像为三维图像；获取目标检测模型的输出结果，输出结果包括该图像中目标区域的位置信息；其中，目标检测模型包括特征提取层，特征提取层用于对图像中疑似目标区域对应的三维特征图进行处理，以提取出疑似目标区域对应的三维特征图的一个或多个图像特征，图像特征用于确定疑似目标区域是否为目标区域。

技术领域

本发明涉及图像处理领域，特别涉及一种目标检测方法、装置、计算设备及介质。

背景技术

无论男性还是女性，肺癌的致死数都是所有癌症中最高的。据统计，2016年美国因肺癌去世的病人占总癌症致死病例的27％。早期筛查是降低死亡率的重要手段，然而由于早期肺癌病人一般缺乏明显临床症状，也无特异的生物标记物，因此目前筛查的主要方法是通过放射影像，一般是CT(Computed Tomography，电子计算机断层扫描)检查肺部是否存在可疑病灶。

这一筛查工作是由影像科专家人工读片完成的。每位被检者的胸腔CT图像至少有100多张，精细级的扫描甚至多达600张。CT检测需要专业的医生花费大量时间精力，而且容易因为疲劳和经验造成漏诊和误诊，人工处理的方法越来越难以胜任此项任务传统的。上述对医学影像中的病灶进行筛查处理，实际上就是一个对图像进行目标区域检测的过程，医学影像即为待检测的图像，病灶即为目标区域，基于这种考虑，可将图像处理技术中的目标区域检测技术应用到病灶筛查中。

近年来，基于深度学习的方法在医学影像中的目标检测上，取得了重大的进步，这些方法一般都分为两步：第一步是利用区域生成的方法找出疑似病灶的区域，第二步是利用深度卷积神经网络对疑似的病灶区域进行进一步的假阳性筛除，从而降低误报。这样两步处理的方法计算成本比较高，同时十分耗时，实时性难以达到要求。此外，这些方法涉及到比较复杂的数据预处理和后处理，使得难以直接应用到生产环境中。

发明内容

为此，本发明提供一种目标检测方案，以力图解决或者至少缓解上面存在的问题。

根据本发明的一个方面，提供一种目标检测方法，该方法包括如下步骤：首先，将待检测的图像输入到目标检测模型，应用目标检测模型对该图像进行目标检测，其中，该图像为三维图像；获取目标检测模型的输出结果，该输出结果包括该图像中目标区域的位置信息；其中，目标检测模型包括特征提取层，特征提取层用于对该图像中疑似目标区域对应的三维特征图进行处理，以提取出疑似目标区域对应的三维特征图的一个或多个图像特征，图像特征用于确定疑似目标区域是否为目标区域。

可选地，在根据本发明的目标检测方法中，目标区域的位置信息包括目标区域的位置坐标和三维轮廓信息。

可选地，在根据本发明的目标检测方法中，目标检测模型包括三维卷积神经网络、区域候选网络、特征提取层、区域筛查网络和掩码预测网络，其中：三维卷积神经网络分别与区域候选网络和特征提取层相连；特征提取层还分别与区域筛查网络和掩码预测网络相连；目标检测模型以三维卷积神经网络为输入端，以区域筛查网络和掩码预测网络为输出端。

可选地，在根据本发明的目标检测方法中，将待检测的图像输入到目标检测模型，应用目标检测模型对图像进行目标检测，包括：将待检测的图像输入到三维卷积神经网络中进行处理，以获取该图像的一个或多个三维特征图；将该图像的三维特征图输入到区域候选网络中进行处理，以确定三维特征图中是否含有疑似目标区域；将含有疑似目标区域的三维特征图输入到特征提取层，以提取出含有疑似目标区域的三维特征图的图像特征；将该图像特征输入到区域筛查网络中进行处理，以确定疑似目标区域是否为目标区域；若疑似目标区域为目标区域，则通过区域筛查网络和掩码预测网络预测该目标区域的位置信息。

可选地，在根据本发明的目标检测方法中，通过区域筛查网络和掩码预测网络预测该目标区域的位置信息，包括：通过区域筛查网络确定该目标区域的位置坐标；通过掩码预测网络预测该目标区域的三维轮廓信息。