[发明专利]图像的特征提取方法、图像分割模型的训练方法和装置有效

专利信息
申请号: 202210505164.4 申请日: 2022-05-10
公开(公告)号: CN115272165B 公开(公告)日: 2023-09-26
发明(设计)人: 冉宇辰;黄文豪;张欢;王少康;陈宽 申请(专利权)人: 推想医疗科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06N3/0464;G06N3/08
代理公司: 北京布瑞知识产权代理有限公司 11505 代理人: 周达
地址: 100085 北京市海淀*** 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: 图像 特征 提取 方法 分割 模型 训练 装置
【权利要求书】:

1.一种图像的特征提取方法,其特征在于,包括:

在肾脏图像序列中确定第一区域和第二区域;其中,所述肾脏图像序列包括多个断面图像,所述第二区域属于所述第一区域的部分区域;

分别将所述肾脏图像序列包括的断面图像,依照所述第一区域和所述第二区域压缩至指定数据量,得到对应所述第一区域的第一目标图像序列和对应所述第二区域的第二目标图像序列;其中,所述第一目标图像序列的分辨率小于所述第二目标图像序列的分辨率;

从所述第一目标图像序列和所述第二目标图像序列提取图像特征;其中,所述图像特征包括从所述第一目标图像序列中提取得到的基础特征,以及将所述第一目标图像序列的所述基础特征与所述第二目标图像序列相结合提取得到的联合特征。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

在所述肾脏图像序列中确定第三区域;其中,所述第三区域属于所述第二区域的部分区域;

将所述肾脏图像序列包括的断面图像依照所述第三区域压缩至指定数据量,得到对应所述第三区域的第三目标图像序列;其中,所述第二目标图像序列的分辨率小于所述第三目标图像序列的分辨率;

将所述联合特征和所述第三目标图像序列相结合提取所述第三目标图像序列的联合特征。

3.根据权利要求1所述的方法,其特征在于,从所述第一目标图像序列和所述第二目标图像序列提取图像特征的步骤,包括:

提取所述第一目标图像序列的基础特征;

将所述基础特征中包括所述第二目标图像序列对应的图像特征进行上采样处理得到基础特征图像序列;其中,所述基础特征图像序列与所述第二目标图像序列数据量相同;

根据所述基础特征图像序列和所述第二目标图像序列提取联合特征。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

根据所述图像特征,提取所述肾脏图像序列中表示肾动脉的像元。

5.根据权利要求4所述的方法,其特征在于,所述方法还包括:

剔除所述肾脏图像序列中表示肾动脉的像元中属于边界的像元,得到肾脏图像序列中表示肾动脉的目标像元;其中,所述属于边界的像元的亮度值小于所述目标像元的亮度值。

6.根据权利要求4所述的方法,其特征在于,所述方法还包括:

在所述肾脏图像序列中表示肾动脉的像元中确定肾动脉生长的种子点;

基于所述种子点提取肾脏图像序列中表示肾动脉分支的像元;

将所述肾脏图像序列中表示肾动脉的像元和所述肾脏图像序列中表示肾动脉分支的像元作为所述肾脏图像序列中表示肾动脉的目标像元。

7.根据权利要求6所述的方法,其特征在于,所述方法还包括:

根据所述表示肾动脉的目标像元,建立所述肾脏图像序列中肾动脉的三维模型。

8.一种肾动脉分割模型的训练方法,其特征在于,包括:

构建训练初始肾动脉分割模型的训练样本集;其中,所述训练样本集包括肾脏图像序列和所述肾脏图像序列对应的样本标签;

在所述肾脏图像序列中确定多个嵌套的目标区域;其中,所述目标区域对应有目标图像序列;

基于所述目标图像序列训练初始肾动脉分割模型,以生成肾动脉分割模型;其中,所述肾动脉分割模型用于根据如权利要求1至7中任一项所述图像的特征提取方法提取的图像特征,生成肾脏图像序列中表示肾动脉的像元。

9.根据权利要求8所述的方法,所述训练样本集包括表示肾动脉的正样本标注和至少包括表示静脉血管、肾盂、肾盏和结石中的一个的负样本标注,构建训练样本集和初始肾动脉分割模型的步骤,包括:

分别设置所述正样本的初始权重和所述负样本的初始权重;

基于所述正样本的初始权重和所述负样本的初始权重生成初始肾动脉分割模型。

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推想医疗科技股份有限公司,未经推想医疗科技股份有限公司许可,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/202210505164.4/1.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