图像标准切面的处理方法及装置与流程

文档序号:25525490发布日期:2021-06-18 20:14阅读:来源:国知局

技术特征:

1.一种图像标准切面的处理方法,其特征在于,所述方法包括:

根据图像判断目标的朝向,所述朝向为预设方向,所述图像包括颅脑矢状面图;

利用目标检测模型检测所述图像中的目标区域,并对所述目标区域的清晰度评分;

根据所述目标区域的清晰度评分判断所述图像是否为标准切面;其中,所述目标区域包括鼻尖.鼻前皮肤.鼻骨.上颚.丘脑.中脑.第四脑室.小脑延髓池.颈后透明层中的多个区域或全部。

2.根据权利要求1所述的图像标准切面的处理方法,其特征在于,所述根据图像判断目标的朝向,所述朝向为预设方向,包括:

所述预设方向为检测所述图像中的头部位于身体的预设方向;

若所述图像的朝向不是预设方向,则将所述图像做翻转处理;

并将所述图像做截取处理,去除背景信息。

3.根据权利要求1所述的图像标准切面的处理方法,其特征在于,所述检测所述图像中的目标区域,并对所述目标区域的清晰度评分,包括:

检测图像中上颚.间脑以及丘脑三大结构,并为所述三大结构的清晰度评分;

根据图像中上颚.间脑以及丘脑的位置寻找鼻子区域.第四脑室及小脑延髓池区域.以及颈后透明层区域;

在所述鼻子区域中寻找鼻尖.鼻前皮肤.鼻骨并为做清晰度评分;在第四脑室及小脑延髓池区域中检测第四脑室及小脑延髓池并做清晰度评分;在颈后透明层区域中检测颈后透明层并为做清晰度评分。

4.根据权利要求1所述的图像标准切面的处理方法,其特征在于,所述检测所述图像中的目标区域,并对所述目标区域的清晰度评分,包括:

检测图像中的第一区域,根据所述第一区域分别识别出第一目标结构,并为所述目标结构做清晰度评分;

根据所述第一目标结构检测第二区域,根据所述第二区域分别识别出第二目标结构,并为所述第二目标结构做清晰度评分。

5.根据权利要求3或4所述的图像标准切面的处理方法,其特征在于,所述根据所述目标区域的清晰度评分判断所述图像是否为标准切面,包括:

将所述的多个清晰度评分输入至分类模型中,利用所述分类模型输出所述图像为标准切面的概率。

6.一种图像标准切面的处理方法,其特征在于,包括:

利用第一目标检测模型根据图像判断目标的朝向,所述朝向为预设方向,所述图像包括颅脑矢状面图;

利用第二目标检测模型检测所述图像中的目标区域,并对所述目标区域的清晰度评分,所述第二目标检测模型由多个目标检测模型构成,且所述多个目标检测模型基于同一目标检测算法;

利用分类模型根据所述目标区域的清晰度评分判断所述图像是否为标准切面;

其中,所述目标区域包括鼻尖.鼻前皮肤.鼻骨.上颚.丘脑.中脑.第四脑室.小脑延髓池.颈后透明层中的多个区域或全部。

7.一种图像标准切面的处理装置,其特征在于,包括:

第一目标检测模块,用于根据图像判断目标的朝向,所述朝向为预设方向,所述图像包括颅脑矢状面图;

第二目标检测模块,用于检测所述图像中的目标区域,并对所述目标区域的清晰度评分,所述第二目标检测模块包括多个目标检测模型构成,且所述多个目标检测模型基于同一目标检测算法;

分类模块,用于根据所述目标区域的清晰度评分判断所述图像是否为标准切面;

其中,所述目标区域包括鼻尖.鼻前皮肤.鼻骨.上颚.丘脑.中脑.第四脑室.小脑延髓池.颈后透明层中的多个区域或全部。

8.根据权利要求7所述的图像标准切面的处理装置,其特征在于,所述第二目标检测模块包括:

第一目标检测单元,用于检测图像中上颚.间脑以及丘脑三大结构,并为所述三大结构的清晰度评分;

第二目标检测单元,用于根据图像中上颚.间脑以及丘脑的位置寻找鼻子区域.第四脑室及小脑延髓池区域.以及颈后透明层区域;

第三目标检测单元,用于在所述鼻子区域中寻找鼻尖.鼻前皮肤.鼻骨并为做清晰度评分;在第四脑室及小脑延髓池区域中检测第四脑室及小脑延髓池并做清晰度评分;在颈后透明层区域中检测颈后透明层并为做清晰度评分。

9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。

10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。


技术总结
本发明公开了一种图像标准切面的处理方法及装置,所述方法包括:根据图像判断目标的朝向,所述朝向为预设方向,所述图像包括颅脑矢状面图;利用目标检测模型检测所述图像中的目标区域,并对所述目标区域的清晰度评分;根据所述目标区域的清晰度评分判断所述图像是否为标准切面;其中,所述目标区域包括鼻尖、鼻前皮肤、鼻骨、上颚、丘脑、中脑、第四脑室、小脑延髓池、颈后透明层中的多个区域或全部。相较端对端的分类模型,本发明特有的九大结构的抓取与评分系统极大的提高了模型的可解释性。另外,本发明通过寻找九大结构约束了多层感知机的过拟合,使得本发明在外部验证集中的表现优于端对端的分类模型,提高了预测的泛用性。

技术研发人员:崔晨;石思远
受保护的技术使用者:深圳市鹭鸣科技有限公司
技术研发日:2021.03.10
技术公布日:2021.06.18
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1