一種基于無監(jiān)督學習的醫(yī)學圖像異常檢測方法及終端

基本信息

申請?zhí)?/td> CN202111495150.0 申請日 -
公開（公告）號 CN114155237A 公開（公告）日 2022-03-08
申請公布號 CN114155237A 申請公布日 2022-03-08
分類號 G06T7/00（2017.01）I;G06N3/08（2006.01）I;G06V10/774（2022.01）I;G06V10/40（2022.01）I;G06V10/82（2022.01）I 分類 計算；推算；計數(shù);
發(fā)明人 金晶;李寧;陳志堅;梁軍;劉晨彬;馬俊;丁真;謝寶文;王俊;李建東 申請（專利權）人 深圳市醫(yī)諾智能科技發(fā)展有限公司
代理機構 深圳市博銳專利事務所 代理人 歐陽燕明
地址 518000廣東省深圳市南山區(qū)西麗街道中山園路1001號TCL國際E城G4棟B單元1001
法律狀態(tài) -

摘要

摘要 本發(fā)明公開一種基于無監(jiān)督學習的醫(yī)學圖像異常檢測方法，基于訓練圖像輸入自編碼器網絡中使用隱式場學習方法進行重建，輸出重建訓練圖像；將訓練圖像與重建訓練圖像進行比較計算，得到異常分數(shù)；根據(jù)異常分數(shù)對自編碼器網絡進行優(yōu)化，使用優(yōu)化后的自編碼器網絡對待檢測圖像進行特征提取，并根據(jù)提取到的特征進行異常檢測，隱式場學習方法通過學習訓練圖像的內隱式表面表示來重建三維形狀，生成無異常的重建結果，內隱式表面表示能夠與特定的輸入分辨率分離，可以無縫縮放以處理高分辨率的三維醫(yī)學圖像，最后根據(jù)異常分數(shù)對自編碼器網絡進行優(yōu)化，使得優(yōu)化后的自編碼器網絡能夠自動化地剔除和標注異常圖像，從而準確地實現(xiàn)醫(yī)學圖像的異常檢測。