[发明专利]医学图像识别方法、识别模型训练方法及装置有效

专利信息
申请号: 202110680322.5 申请日: 2021-06-18
公开(公告)号: CN113362314B 公开(公告)日: 2022-10-18
发明(设计)人: 王兆玮;杨叶辉;尚方信;黄海峰;王磊 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06V10/764;G06V10/82;G06N3/04;G06N3/08
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 医学 图像 识别 方法 模型 训练 装置
【说明书】:

本申请公开了医学图像识别方法、识别模型训练方法及装置,涉及人工智能领域,进一步涉及智慧医疗、计算机视觉技术领域。具体实现方案为:确定医学图像对应的目标候选点集合;确定目标候选点集合中每个目标候选点对应的局部目标图像和全局目标图像;基于预设的三维识别模型确定局部目标图像的局部信息,以及基于预设的二维识别模型确定全局目标图像的全局信息;基于局部信息、全局信息和预设的图像识别模型,确定医学图像的识别结果。本实现方式可以平衡图像识别精准度与识别效率,在确保图像识别精准度的前提下能够提高识别效率。

技术领域

本公开涉及人工智能领域,进一步涉及智慧医疗、计算机视觉技术领域,尤其涉及医学图像识别方法、识别模型训练方法及装置。

背景技术

目前,随着计算机技术的不断发展,经常将计算机技术应用至医学图像识别领域,用以提高医学图像识别效率以及准确度。

在实践中发现,在对计算机断层扫描图像进行识别,确定肺结节类别的过程中,通常采用二维识别模型或者三维识别模型。然而,只采用二维识别模型进行识别,存在着识别精准度较差的问题,只采用三维识别模型进行识别,存在着识别效率低的问题。

发明内容

本公开提供了一种医学图像识别方法、识别模型训练方法及装置。

根据第一方面,提供了一种医学图像识别方法,包括:确定医学图像对应的目标候选点集合;确定目标候选点集合中每个目标候选点对应的局部目标图像和全局目标图像;基于预设的三维识别模型确定局部目标图像的局部信息,以及基于预设的二维识别模型确定全局目标图像的全局信息;基于局部信息、全局信息和预设的图像识别模型,确定医学图像的识别结果。

根据第二方面,提供了一种识别模型训练方法,包括:获取样本图像;样本图像中已标注各个样本候选点以及每个样本候选点对应的真实识别结果;对于每个样本候选点,确定该样本候选点对应的局部样本信息和全局样本信息;基于局部样本信息、全局样本信息和初始识别模型,确定初始识别模型输出的样本识别结果;基于样本识别结果和真实识别结果,调整初始识别模型的模型参数,直至初始识别模型收敛,得到已训练完成的图像识别模型。

根据第三方面,提供了一种医学图像识别装置,包括:候选点确定单元,被配置成确定医学图像对应的目标候选点集合;目标确定单元,被配置成确定目标候选点集合中每个目标候选点对应的局部目标图像和全局目标图像;信息确定单元,被配置成基于预设的三维识别模型确定局部目标图像的局部信息,以及基于预设的二维识别模型确定全局目标图像的全局信息;图像识别单元,被配置成基于局部信息、全局信息和预设的图像识别模型,确定医学图像的识别结果。

根据第四方面,提供了一种识别模型训练装置,包括:样本获取单元,被配置成获取样本图像;样本图像中已标注各个样本候选点以及每个样本候选点对应的真实识别结果;样本信息确定单元,被配置成对于每个样本候选点,确定该样本候选点对应的局部样本信息和全局样本信息;样本识别单元,被配置成基于局部样本信息、全局样本信息和初始识别模型,确定初始识别模型输出的样本识别结果;模型训练单元,被配置成基于样本识别结果和真实识别结果,调整初始识别模型的模型参数,直至初始识别模型收敛,得到已训练完成的图像识别模型。

根据第五方面,提供了一种执行医学图像识别方法或者识别模型训练方法的电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上任意一项医学图像识别方法或者识别模型训练方法。

根据第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如上任意一项医学图像识别方法或者识别模型训练方法。

根据第七方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上任意一项医学图像识别方法或者识别模型训练方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/202110680322.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top