[发明专利]图像检测方法以及电子设备、存储装置在审

专利信息
申请号: 202110542047.0 申请日: 2021-05-18
公开(公告)号: CN113449770A 公开(公告)日: 2021-09-28
发明(设计)人: 程虎;殷保才 申请(专利权)人: 科大讯飞股份有限公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 深圳市威世博知识产权代理事务所(普通合伙) 44280 代理人: 何倚雯
地址: 230088 安徽省*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检测 方法 以及 电子设备 存储 装置
【说明书】:

本申请公开了一种图像检测方法以及电子设备、存储装置,其中,图像检测方法包括:提取第一模态图像的第一特征图,并提取第二模态图像的第二特征图;其中,第一模态图像和第二模态图像均为对目标对象采集得到的;提取第一特征图中各个第一像素位置的第一位置特征,并提取第二特征图中各个第二像素位置的第二位置特征;将各个第一像素位置的第一位置特征和各个第二像素位置的第二位置特征进行融合,得到模态融合特征;利用模态融合特征进行检测,得到目标对象的预测类别。上述方案,能够提高多模态图像检测的效率和精度。

技术领域

本申请涉及图像处理技术领域,特别是涉及一种图像检测方法以及电子设备、存储装置。

背景技术

相较于单模态图像而言,多模态图像能够提供更为丰富的信息而被广泛应用。以医学应用场景为例,CT(Computed Tomography,计算机断层扫描)和MRI(MagneticResonance Imaging,核磁共振扫描)等扫描图像通常能够提供相对丰富的器官整体信息,而组织切片等的病理图像往往能够提供相对丰富的局部细节信息,因此通过分别审阅扫描图像和病理图像,能够综合器官整体信息和局部细节信息,显著提升辅助诊断效果。

目前,一般通过人工审阅多模态图像,效率较低,且受不可避免的主观性、个体专业知识水平和经验等因素影响,难以确保审阅的准确性。有鉴于此,如何提高多模态图像检测的效率和精度成为亟待解决的问题。

发明内容

本申请主要解决的技术问题是提供一种图像检测方法以及电子设备、存储装置,能够提高多模态图像检测的效率和精度。

为了解决上述问题,本申请第一方面提供了一种图像检测方法,包括:提取第一模态图像的第一特征图,并提取第二模态图像的第二特征图;其中,第一模态图像和第二模态图像均为对目标对象采集得到的;提取第一特征图中各个第一像素位置的第一位置特征,并提取第二特征图中各个第二像素位置的第二位置特征;将各个第一像素位置的第一位置特征和各个第二像素位置的第二位置特征进行融合,得到模态融合特征;利用模态融合特征进行检测,得到目标对象的预测类别。

为了解决上述问题,本申请第二方面提供了一种电子设备,包括相互耦接的存储器和处理器,存储器中存储有程序指令,处理器用于执行程序指令以实现上述第一方面中的图像检测方法。

为了解决上述问题,本申请第三方面提供了一种存储装置,存储有能够被处理器运行的程序指令,程序指令用于实现上述第一方面中的图像检测方法。

上述方案,提取第一模态图像的第一特征图,并提取第二模态图像的第二特征图,且第一模态图像和第二模态图像均为对目标对象采集得到的,在此基础上,提取第一特征图中各个第一像素位置的第一位置特征,并提取第二特征图中各个第二像素位置的第二位置特征,以及将各个第一像素位置的第一位置特征和各个第二像素位置的第二位置特征进行融合,得到模态融合特征,并利用模态融合特征进行检测,得到目标对象的预测类别,由于无需依赖人工检阅,通过将各个第一像素位置的第一位置特征和各个第二像素位置的第二位置特征进行融合,能够将不同模态图像在不同像素位置进行特征融合,有利于提升不同模态之间的互补性,从而能够有利于提高基于模态融合特征的检测精度。故此,能够提高多模态图像检测的效率和精度。

附图说明

图1是本申请图像检测方法一实施例的流程示意图;

图2是多模态图像一实施例的示意图;

图3是融合病理特征一实施例的示意图;

图4是融合病理特征另一实施例的示意图;

图5是融合第一位置特征和第二位置特征一实施例的示意图;

图6是模态增强一实施例的流程示意图;

图7是本申请电子设备一实施例的框架示意图;

图8是本申请存储装置一实施例的框架示意图。

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科大讯飞股份有限公司,未经科大讯飞股份有限公司许可,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/202110542047.0/2.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