CN119494806A 图像中目标组织识别方法和系统、电子设备及存储介质 (开立生物医疗科技(武汉)有限公司)_第1页
CN119494806A 图像中目标组织识别方法和系统、电子设备及存储介质 (开立生物医疗科技(武汉)有限公司)_第2页
CN119494806A 图像中目标组织识别方法和系统、电子设备及存储介质 (开立生物医疗科技(武汉)有限公司)_第3页
CN119494806A 图像中目标组织识别方法和系统、电子设备及存储介质 (开立生物医疗科技(武汉)有限公司)_第4页
CN119494806A 图像中目标组织识别方法和系统、电子设备及存储介质 (开立生物医疗科技(武汉)有限公司)_第5页
已阅读5页,还剩35页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本申请实施例提供了一种图像中目标组织结果中筛选出待识别图像中的目标组织的位置2将所述待识别图像输入第一模型,并输出第一结果,其中根据所述待识别图像所对应的切面的类型,从所述第一将所述待识别图像输入分割模型,并输出第所述根据所述待识别图像所对应的切面的类型,从所述第一结果根据所述待识别图像所对应的切面的类型,确定该切面中包括的目标组织的类别信根据所述第一数目的第一分割图和所述类别信息,确定所述根据所述待识别图像所对应的切面的类型,确定该切面中包根据所述待识别图像所对应的切面的类型,确定由所及5.如权利要求1至4任一项所述的图像中目标获取样本图像的标注数据,其中所述标注数据3将所述样本图像输入第一初始模型,并输出第一初始结果根据所述样本图像所对应的切面的类型,从所述第一初根据所述真实位置信息和所述预测位置信息的差异,对所述第一初始模型进行训练,6.如引用权利要求2的权利要求5所述的图像中目所述根据所述样本图像所对应的切面的类型,从所述第一将每个样本图像所对应的切面的类型信息映射为该切面中包括的目标组织的类别信根据所述第一数目的第二分割图和所述类别7.如引用权利要求2的权利要求5所述的图8.如权利要求1至4任一项所述的图像中目标组织识9.如权利要求1至4任一项所述的图像中目标组织识别方法获取模块,用于获取待识别图像,其中所述待识筛选模块,用于根据所述待识别图像所对应的切45[0003]利用深度学习模型对图像中的固定种类的目标组织进行识别的方法具有识别效一种深度学习模型对多种不同的图像进行识别6[0013]根据待识别图像所对应的切面的类型,确定该切面中包括的目标组织的类别信[0016]根据待识别图像所对应的切面的类型,确定该切面中包括的目标组织的类别信[0017]根据待识别图像所对应的切面的类型,确定由第一数目的元素[0031]将每个样本图像所对应的切面的类型信息映射为该切面中包括的目标组织的类7一种识别模型对待识别图像中所包含的组织进行识别的基础上,根据图像对应的切面类[0050]图2和图3分别示出根据本申请另一实施例的图像中目标组织识别方法的流程图8[0055]图1示出根据本申请一个实施例的图像中目标组织识别方法100的示意性流程9的各个目标组织的类别和位置。以识别肩关节的8个切面的超声图像中的10个类别的组织[0064]切面的类型可以根据实际需求进行任意设置。在上述识别肩关节的8个切面的超图像中的位置。例如,可以根据对应大结节的第一通道的分割图中像素值为1的像素的位一种识别模型对待识别图像中所包含的组织进行识别的基础上,根据图像对应的切面类识别B类型切面图像时对组织1的识别准确率较高,而在识别A类型切面图像时则不关注对这3类组织所在区域分别用不同的色块进行标注,然后可以将标注后的样本图像转换为灰像素值为0或1,其中像素值为1的像素的位置与样本图像中对应该通道的目标组织的像素图中的各个像素的像素值可以是0_1之间的值,每个像素值的大小表示模型所预测的该位[0080]步骤S113a,将每个样本图像所对应的切面的类型信息映射为该切面中的目标组分割图的张量或说三维矩阵中的每一层(即每个通道的第二分割图)与映射得到的数组中[0082]这种训练方案可以有效避免因不同切面中的相同或相似组织有有的被定义为背景造成的识别混乱问题,可以屏蔽不属于切面的组织被误检的假阳性干[0084]步骤S140将待识别图像输入第一模型,并输出第一结果,包括步骤S141。步骤语义分割模型或实例分割模型可以得到各个关节切面图像中期望识别的肌骨组织的轮廓对应的切面的类型,确定该切面中包括的目标组织的类别信息,包括步骤S161a。步骤元素的值为非零数,其余元素的值为0,第一组织是待识别图像所对应的切面中的目标组[0095]以识别肩关节的8个切面的超声图像中的10个类别的组织为例。第一模型例如是在步骤S162a,将第一张量中的每一层所表示的每个通道的分割图与第一数组中的对应元应非目标组织的筛选分割图上的各个元素的值均为0,而对应目标组织的筛选分割图与同中像素值大于0.5的各个像素,可以将待识别图像中与将这些像素位置相同的各个像别根据第二张量中对应组织3和组织5的筛选分割图中像素值大于0.5的各个像素,[0100]图2和图3分别示出根据本申请另一实施例的图像中目标组织识别方法的流程图像中表示不同目标组织的像素的灰度值不同。并可以将训练标签转换为10个通道的掩膜割图为语义分割模型所预测的该位置的像素属于组织2的概率。并可以获取该样本图像对型对该图像中的各个组织的分割结果以及切面分类模型对该图像对应的切面的类型编号。与训练过程类似地,语义分割模型可以输出对应上述10个组织的10个通道的第一分割图。[0124]映射单元用于将每个样本图像所对应的切面的类型信息映射为该切面中包括的存储有计算机程序指令,计算机程序指令被处理器510运行时用于执行上述图像中目标组序指令在运行时用于执行上述图像中目标组织识别方法100。所述存储介质例如可以包括以理解上述图像中目标组织识别系统、电子设备和存储介质的或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的图像中目标组织识别系统域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论