【CN109949271A】一种基于医学图像的检测方法、模型训练的方法及装置【专利】
医学图像扫描方法、装置、设备和存储介质发明专利
医学图像扫描方法、装置、设备和存储介质技术领域本发明实施例涉及计算机技术领域，尤其涉及一种医学图像扫描方法、装置、设备和存储介质。
背景技术在磁共振扫描中，单次扫描成像的范围是有限的，针对视野较大的部位单次扫描不能够覆盖整个部位。
目前主流的解决方案是，通过规划不同的成像区域(不同床位)，分为多次扫描，再将扫描的结果进行图像拼接。
但是，由于每个成像区域扫描参数设定的差异可能会导致其图像不能满足拼接的条件，如扫描的方向不一致等，导致不能按照预期的计划完成大范围拼接图像。
在现有技术中，可以通过人工在进行扫描规划时检查扫描参数，确保各成像区域扫描参数的准确性，扫描图像能够顺利拼接；但是，这种方式对操作者的业务知识要求较高，同时也增加了规划扫描的工作量，判断容易出现误差。
或者，还可以在对各成像区域扫描完成后尝试扫描图像拼接，如果拼接不成功，重新规划扫描；但是，这种方式会增加患者扫描的时间，会增加进行增强扫描的患者的安全隐患。
还可以在针对各扫描区域的扫描过程中，针对已完成的扫描图像做预拼接，如果拼接不成功，立即重新规划参数有误的床位，直到所有床位的扫描图像可以正确拼接；但是，使用该方式需要操作者实时关注扫描的结果，并给出调整，操作较为复杂、繁琐，并且对于进行增强扫描的患者存在风险。
发明内容本发明实施例提供了一种医学图像扫描方法、装置、设备和存储介质，以实现在分区域获取扫描图像之前，预先校验各成像区域的扫描图像是否满足拼接条件，简化获取大视野范围的拼接扫描图像的过程，使用户操作更加快捷便利。
第一方面，本发明实施例提供了一种医学图像扫描方法，该方法包括：获取多个扫描协议；解析所述多个扫描协议，得到各扫描协议对应的扫描区域的预设扫描参数以及各扫描协议间的拼接参数；根据所述预设扫描参数以及所述拼接参数，预先校验各扫描区域的扫描图像是否能够完成拼接；根据预先校验的结果，控制医学图像扫描过程。
第二方面，本发明实施例还提供了一种医学图像扫描装置，该装置包括：协议获取模块，用于获取多个扫描协议；参数解析模块，用于解析所述多个扫描协议，得到各扫描协议对应的扫描区域的预设扫描参数以及各扫描协议间的拼接参数；校验模块，用于根据所述预设扫描参数以及所述拼接参数，预先校验各扫描区域的扫描图像是否能够完成拼接；图像扫描模块，用于根据预先校验的结果，控制医学图像扫描过程。
【CN110473186A】一种基于医学图像的检测方法、模型训练的方法及装置【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910728690.5(22)申请日 2019.02.14(62)分案原申请数据201910116648.8 2019.02.14(71)申请人 腾讯科技（深圳）有限公司地址 518064 广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人 田宽 江铖 (74)专利代理机构 深圳市深佳知识产权代理事务所(普通合伙) 44285代理人 骆苏华(51)Int.Cl.G06T 7/00(2017.01)G06T 7/11(2017.01)G06N 3/04(2006.01)G06N 3/08(2006.01)G16H 50/20(2018.01) (54)发明名称一种基于医学图像的检测方法、模型训练的方法及装置(57)摘要本申请公开了一种基于医学图像的检测方法，该方法应用于人工智能领域，具体可应用于智能医疗领域，该方法包括：通过第一神经网络模型获取待检测医学图像的钙化概率标签，待检测医学图像为钼靶图像；若钙化概率标签满足钙化条件，则从待检测医学图像中提取钙化区域；通过第二神经网络模型获取钙化区域的恶性钙化概率标签，恶性钙化概率标签用于表示钙化区域中存在恶性钙化情况的概率，第二神经网络模型与第一神经网络模型均属于医学图像检测模型；根据恶性钙化概率标签生成恶性钙化定位结果。
本申请还公开相关装置。
本申请可以利用神经网络模型对钼靶图像进行钙化检测，且针对有钙化的区域进一步进行良恶性检测，从而提升检测的准确性和便利性。
权利要求书3页 说明书28页 附图8页CN 110473186 A 2019.11.19C N 110473186A权 利 要 求 书1/3页CN 110473186 A1.一种基于医学图像的检测方法，其特征在于，包括：通过第一神经网络模型获取待检测医学图像的钙化概率标签，其中，所述钙化概率标签用于表示医学图像中存在钙化情况的概率，所述待检测医学图像为钼靶图像；若所述钙化概率标签满足钙化条件，则从所述待检测医学图像中提取钙化区域；通过第二神经网络模型获取所述钙化区域的恶性钙化概率标签，其中，所述恶性钙化概率标签用于表示钙化区域中存在恶性钙化情况的概率，所述第二神经网络模型与所述第一神经网络模型均属于医学图像检测模型；根据所述恶性钙化概率标签生成恶性钙化定位结果。
图像识别模型的训练方法、装置、设备以及介质[发明专利]
![图像识别模型的训练方法、装置、设备以及介质[发明专利]](https://img.taocdn.com/s3/m/02d0f124da38376bae1fae9d.png)
专利名称：图像识别模型的训练方法、装置、设备以及介质专利类型：发明专利
发明人：刘瑞雪,钦夏孟,恩孟一,姚锟,章成全,朱胜贤,李云昊,韩钧宇,孙昊
申请号：CN202110090986.6
申请日：20210122
公开号：CN112784751A
公开日：
20210511
专利内容由知识产权出版社提供
摘要：本公开提供了一种图像识别模型的训练方法、装置、设备以及介质，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、图像处理技术领域，可应用于OCR场景。
该图像识别模型的训练方法包括：获取训练数据，其中，训练数据包括针对预设垂类的训练图像，训练图像包括包含预设垂类的真实数据的第一训练图像和包含预设垂类的虚拟数据的第二训练图像；构建基础模型，其中，基础模型包括深度学习网络，深度学习网络配置为对训练图像进行识别，以提取训练图像中的文本数据；以及使用训练数据训练基础模型，以得到图像识别模型。
申请人：北京百度网讯科技有限公司
地址：100085 北京市海淀区上地十街10号百度大厦2层
国籍：CN
代理机构：北京市汉坤律师事务所
更多信息请下载全文后查看。
一种图像识别模型训练方法、图像识别方法及相关设备[发明专利]
![一种图像识别模型训练方法、图像识别方法及相关设备[发明专利]](https://img.taocdn.com/s3/m/d13989910129bd64783e0912a216147916117e4e.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010674325.3(22)申请日 2020.07.14(71)申请人 浙江大华技术股份有限公司地址 310053 浙江省杭州市滨江区滨安路1187号(72)发明人 邸德宁 郝敬松 (74)专利代理机构 北京同达信恒知识产权代理有限公司 11291代理人 潘平(51)Int.Cl.G06K 9/62(2006.01)(54)发明名称一种图像识别模型训练方法、图像识别方法及相关设备(57)摘要本申请提供一种图像识别模型训练方法、图像识别方法及相关设备，用于减少训练模型的训练样本。
该图像识别模型训练方法包括：通过第一图像识别模型的第一特征提取模块，提取训练集中各样本图像的特征，获得各样本图像的第一特征矩阵；通过所述第一相似度度量模块，对各第一特征矩阵进行映射，获得各第二特征矩阵；并确定每两个第二特征矩阵之间的相似度；调整所述第一相似度度量模块的模型参数，直到训练损失满足目标损失，获得已训练的第一图像识别模型，其中，所述训练损失表示与样本图像目标分类标签相同的样本图像的相似度与样本图像目标分类标签不同的样本图像的相似度之间的误差。
权利要求书2页 说明书14页 附图6页CN 111914908 A 2020.11.10C N 111914908A1.一种图像识别模型训练方法，其特征在于，包括：通过第一图像识别模型的第一特征提取模块，提取训练集中各样本图像的特征，获得各样本图像的第一特征矩阵；其中，所述第一特征提取模块的模型参数是从已训练的第二图像识别模型迁移得到的，所述第一图像识别模型和所述第二图像识别模型用于识别不同的目标；通过所述第一相似度度量模块，对各第一特征矩阵进行映射，获得各第二特征矩阵，并确定每两个第二特征矩阵之间的相似度；根据每两个第二特征矩阵之间的相似度，确定所述第一图像识别模型的训练损失；根据所述训练损失，调整所述第一相似度度量模块的模型参数，直到所述第一图像识别模型的训练损失满足目标损失，获得已训练的第一图像识别模型。
医学图像质控、分类模型训练方法、装置及计算机设备[发明专利]
![医学图像质控、分类模型训练方法、装置及计算机设备[发明专利]](https://img.taocdn.com/s3/m/b3e6f3b76aec0975f46527d3240c844769eaa096.png)
专利名称：医学图像质控、分类模型训练方法、装置及计算机设备
专利类型：发明专利
发明人：张俊杰,霍志敏
申请号：CN202210582017.7
申请日：20220526
公开号：CN114663715A
公开日：
20220624
专利内容由知识产权出版社提供
摘要：本说明书实施方式提供一种医学图像质控、分类模型训练方法、装置及计算机设备。
该方法通过将针对指定医学检查项目的二维医学图像输入至医学图像分类模型中，降低了模型处理对象的复杂度，减少模型的响应时间。
并利用医学图像分类模型对所述二维医学图像进行身体部位识别，确定所述二维医学图像对应的身体部位类别，从而根据二维医学图像对应的身体部位类别与所述指定医学检查项目所要求的目标部位生成针对指定医学检查项目的目标医学图像序列的质控结果。
申请人：浙江太美医疗科技股份有限公司
地址：314001 浙江省嘉兴市昌盛南路36号智慧产业创新园9号楼3层
国籍：CN
代理机构：北京布瑞知识产权代理有限公司
代理人：仝丽
更多信息请下载全文后查看。
一种模型训练的方法和装置[发明专利]
![一种模型训练的方法和装置[发明专利]](https://img.taocdn.com/s3/m/b4460fc6dd36a32d727581e4.png)
专利名称：一种模型训练的方法和装置专利类型：发明专利
发明人：王洪伟,李长亮
申请号：CN201911284996.2
申请日：20191213
公开号：CN111047016A
公开日：
20200421
专利内容由知识产权出版社提供
摘要：本申请提供一种模型训练的方法和装置，所述方法包括：监控模型的训练进度和训练进度对应的模型的损失值，在所述模型的训练进度到达预设的检查点的情况下，保存所述模型在检查点对应的模型参数，根据所述模型的损失值，在确定所述模型训练异常的情况下，直接设定所述模型的模型参数为所述模型在检查点对应的模型参数。
直接调整所述模型的训练参数，使得模型的训练过程具有更大的随机性，从而继续进行模型的训练，确保模型的训练过程不停顿，能够加快模型的训练速度。
申请人：北京金山数字娱乐科技有限公司,成都金山互动娱乐科技有限公司,北京金山软件有限公司地址：100085 北京市海淀区小营西路33号金山软件大厦2层西区
国籍：CN
代理机构：北京智信禾专利代理有限公司
代理人：王治东
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910116648.8
(22)申请日 2019.02.14
(71)申请人 腾讯科技（深圳）有限公司
地址 518057 广东省深圳市南山区高新区
科技中一路腾讯大厦35层
(72)发明人 田宽 江铖
(74)专利代理机构 深圳市深佳知识产权代理事
务所(普通合伙) 44285
代理人 王仲凯
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/11(2017.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
G16H 50/20(2018.01)
(54)发明名称
一种基于医学图像的检测方法、模型训练的
方法及装置
(57)摘要
本发明公开了一种基于医学图像的检测方
法，包括：通过第一神经网络模型获取待检测医
学图像的钙化概率标签，其中，钙化概率标签用
于表示医学图像中存在钙化情况的概率；若钙化
概率标签满足钙化条件，则从待检测医学图像中
提取钙化区域；通过第二神经网络模型获取钙化
区域的恶性钙化概率标签，其中，恶性钙化概率
标签用于表示钙化区域中存在恶性钙化情况的
概率，第二神经网络模型与第一神经网络模型均
属于医学图像检测模型；根据恶性钙化概率标签
生成恶性钙化定位结果。
本发明还公开了相关装
置。
本发明可以利用神经网络模型对任意的医学图像进行钙化检测，且针对有钙化的区域进一步进行良恶性检测，从而提升检测的准确性和便利
性。
权利要求书4页 说明书27页 附图8页CN 109949271 A 2019.06.28
C N 109949271
A
权 利 要 求 书1/4页CN 109949271 A
1.一种基于医学图像的检测方法，其特征在于，包括：
通过第一神经网络模型获取待检测医学图像的钙化概率标签，其中，所述钙化概率标签用于表示医学图像中存在钙化情况的概率；
若所述钙化概率标签满足钙化条件，则从所述待检测医学图像中提取钙化区域；
通过第二神经网络模型获取所述钙化区域的恶性钙化概率标签，其中，所述恶性钙化概率标签用于表示钙化区域中存在恶性钙化情况的概率，所述第二神经网络模型与所述第一神经网络模型均属于医学图像检测模型；
根据所述恶性钙化概率标签生成恶性钙化定位结果。
2.根据权利要求1所述的检测方法，其特征在于，所述通过第一神经网络模型获取待检测医学图像的钙化概率标签之前，所述方法还包括：
获取待处理医学图像；
对所述待处理医学图像进行图像预处理，得到所述待检测医学图像，其中，所述图像预处理包括归一化处理、区域分割处理、直方图均衡处理以及区域块提取处理。
3.根据权利要求2所述的检测方法，其特征在于，所述对所述待处理医学图像进行图像预处理，得到所述待检测医学图像，包括：
对所述待处理医学图像进行归一化处理，得到归一化图像，其中，所述归一化图像的灰度值范围为0至255；
采用二值化方式从所述归一化图像中提取目标组织区域；
通过直方图均衡对所述目标组织区域进行处理，得到均衡化图像；
采用滑动窗口从所述均衡化图像中提取所述待检测医学图像。
4.根据权利要求1至3中任一项所述的检测方法，其特征在于，所述通过第一神经网络模型获取待检测医学图像的钙化概率标签之后，所述方法还包括：
若所述钙化概率标签为第一概率标签，则确定所述钙化概率标签满足所述满足钙化条件，并执行所述从所述待检测医学图像中提取钙化区域的步骤；
若所述钙化概率标签为第二概率标签，则确定所述待检测医学图像不满足所述满足钙化条件，并完成对所述待检测医学图像的检测。
5.根据权利要求4所述的检测方法，其特征在于，所述从所述待检测医学图像中提取钙化区域，包括：
若所述待检测医学图像中包括多个钙化点，则获取第一钙化点与第二钙化点之间的目标距离，其中，所述第一钙化点属于所述多个钙化点中的任意一个钙化点，所述第二钙化点属于所述多个钙化点中的任意一个钙化点，且所述第一钙化点与所述第二钙化点属于两个不同的钙化点；
判断所述第一钙化点与所述第二钙化点之间的所述目标距离是否在预设距离范围内；
若所述目标距离在所述预设距离范围内，则根据所述第一钙化点以及所述第二钙化点提取目标钙化区域，其中，所述目标钙化区域包括所述第一钙化点以及所述第二钙化点；
若所述目标距离未在所述预设距离范围内，则根据所述第一钙化点提取第一钙化区域，根据所述第二钙化点提取第二钙化区域。
6.根据权利要求1至3中任一项所述的检测方法，其特征在于，所述通过第二神经网络模型获取所述钙化区域的恶性钙化概率标签之后，所述方法还包括：
2。