CN111027469A - 人体部位识别方法、计算机设备和可读存储介质 - Google Patents

人体部位识别方法、计算机设备和可读存储介质 Download PDF

Info

Publication number
CN111027469A
CN111027469A CN201911249086.0A CN201911249086A CN111027469A CN 111027469 A CN111027469 A CN 111027469A CN 201911249086 A CN201911249086 A CN 201911249086A CN 111027469 A CN111027469 A CN 111027469A
Authority
CN
China
Prior art keywords
human body
body part
medical sequence
medical
number corresponding
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911249086.0A
Other languages
English (en)
Other versions
CN111027469B (zh
Inventor
高菲菲
曹晓欢
薛忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Intelligent Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Intelligent Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Intelligent Healthcare Co Ltd filed Critical Shanghai United Imaging Intelligent Healthcare Co Ltd
Priority to CN201911249086.0A priority Critical patent/CN111027469B/zh
Publication of CN111027469A publication Critical patent/CN111027469A/zh
Application granted granted Critical
Publication of CN111027469B publication Critical patent/CN111027469B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及一种人体部位识别方法、计算机设备和可读存储介质，该方法包括：获取多个按预设顺序排列的医学序列图像；将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号；从各医学序列图像中人体部位对应的编号中，确定出多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；根据初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别，该方法提高了对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别的准确度。

Description

人体部位识别方法、计算机设备和可读存储介质
技术领域
本发明涉及医学图像领域，特别是涉及一种人体部位识别方法、计算机设备和可读存储介质。
背景技术
在使用现有的计算机辅助诊断技术前，通过判断输入的医学影像所覆盖的人体部位，再根据确定的医学影像所覆盖的人体部位调用对应的计算机辅助诊断技术对该医学影像进行诊断，能够得到更加准确的诊断结果，因此，对医学图像所覆盖的人体部位进行判断就显得尤为重要。
传统技术中，对医学图像所覆盖的人体部位进行判断是通过等距离抽取患者特定时间点的医学数字成像和通信(Digital Imaging and Communications in Medicine,DICOM)序列中指定数量的图像，通过检测模型得到这些图像对应的检测编号，将检测编号对应的人体部位确定为该医学图像所覆盖的人体部位。
但是，传统技术存在对人体部位判断结果不准确的问题。
发明内容
基于此，有必要针对传统技术存在对人体部位判断结果不准确的问题，提供一种人体部位识别方法、计算机设备和可读存储介质。
第一方面，本发明实施例提供一种人体部位识别方法，所述方法包括：
获取多个按预设顺序排列的医学序列图像；
将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的编号；
从各所述医学序列图像中人体部位对应的编号中，确定出所述多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；
根据所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
在其中一个实施例中，将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的编号，包括：
将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的检测编号；
针对每个医学序列图像，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号；
根据各所述医学序列图像的检测编号和各所述医学序列图像的预测编号，得到各所述医学序列图像中人体部位对应的编号。
在其中一个实施例中，根据各所述医学序列图像的检测编号和各所述医学序列图像的预测编号，得到各所述医学序列图像中人体部位对应的编号，包括：
获取各所述医学序列图像的检测编号和各所述医学序列图像的预测编号的中值编号，将所述中值编号确定为各所述医学序列图像中人体部位对应的编号。
在其中一个实施例中，所述针对每个医学序列图像，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号，包括：
根据当前医学序列图像的检测编号以及公式
Figure BDA0002308508410000021
获取其余医学序列图像的预测编号；式中，tji为其余医学序列图像的预测编号，tjj为当前医学序列图像的检测编号，Axisz为所述当前医学序列图像体数据的z轴图像方向，Distance为所述多个按预设顺序排列的医学序列图像中相邻医学序列图像的检测编号差值的中值。
在其中一个实施例中，所述根据所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别，包括：
分别判断所述初始医学序列图像中人体部位对应的编号所属的人体部位和所述终止医学序列图像中人体部位对应的编号所属的人体部位；
根据所述初始医学序列图像中人体部位对应的编号、所述终止医学序列图像中人体部位对应的编号、所述初始医学序列图像中人体部位对应的编号所属的人体部位以及所述终止医学序列图像中人体部位对应的编号所属的人体部位，获取所述多个按预设顺序排列的医学序列图像所属人体各部位的占比；
根据所述多个按预设顺序排列的医学序列图像所属人体各部位的占比，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
在其中一个实施例中，所述根据所述多个按预设顺序排列的医学序列图像所属人体各部位的占比，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别，包括：
根据所述多个按预设顺序排列的医学序列图像所属人体各部位的占比和预设的阈值，识别所述多个按预设顺序排列的医学序列图像所覆盖的人体部位。
在其中一个实施例中，所述根据所述多个按预设顺序排列的医学序列图像所属人体各部位的占比和预设的阈值，识别所述多个按预设顺序排列的医学序列图像所覆盖的人体部位，包括：
将所述多个按预设顺序排列的医学序列图像所属人体各部位的占比大于所述预设的阈值对应的人体部位，确定为所述多个按预设顺序排列的医学序列图像所覆盖的人体部位。
在其中一个实施例中，所述分别判断所述初始医学序列图像中人体部位对应的编号所属的人体部位和所述终止医学序列图像中人体部位对应的编号所属的人体部位之前，所述方法还包括：
对所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号进行判断；
若所述初始医学序列图像中人体部位对应的编号大于所述终止医学序列图像中人体部位对应的编号，则将所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号互换。
第二方面，本发明实施例提供一种人体部位识别装置，所述装置包括：
第一获取模块，用于获取多个按预设顺序排列的医学序列图像；
第二获取模块，用于将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的编号；
确定模块，用于从各所述医学序列图像中人体部位对应的编号中，确定出所述多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；
识别模块，用于根据所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
第三方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取多个按预设顺序排列的医学序列图像；
将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的编号；
从各所述医学序列图像中人体部位对应的编号中，确定出所述多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；
根据所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取多个按预设顺序排列的医学序列图像；
将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的编号；
从各所述医学序列图像中人体部位对应的编号中，确定出所述多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；
根据所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
上述实施例提供的人体部位识别方法、装置、计算机设备和可读存储介质中，计算机设备获取多个按预设顺序排列的医学序列图像，将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号，从各医学序列图像中人体部位对应的编号中，确定出多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，根据初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。在该方法中，计算机设备将获取的多个按预设顺序排列的医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号，这样能够从各医学序列图像中人体部位对应的编号中，比较准确地确定出获取的多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，提高了得到的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号的准确度，进而提高了根据初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别的准确度。
附图说明
图1为一个实施例提供的计算机设备的内部结构示意图；
图2为一个实施例提供的人体部位识别方法的流程示意图；
图2(a)为一个实施例提供的人体部位划分与人体部位对应的编号示意图；
图3为另一个实施例提供的人体部位识别方法的流程示意图；
图3(a)为一个实施例提供的各医学序列图像中人体部位对应的检测编号的示意图；
图3(b)为一个实施例提供的获取各医学序列图像中人体部位对应的编号的示意图；
图4为另一个实施例提供的人体部位识别方法的流程示意图；
图5为另一个实施例提供的人体部位识别方法的流程示意图；
图6为一个实施例提供的人体部位识别装置结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的人体部位识别方法，可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器，该存储器中存储有计算机程序，处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的，该计算机设备还可以包括网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的，该计算机设备可以是服务器，可以是个人计算机，还可以是个人数字助理，还可以是其他的终端设备，例如平板电脑、手机等等，还可以是云端或者远程服务器，本申请实施例对计算机设备的具体形式并不做限定。
需要说明的是，本申请实施例提供的人体部位识别方法，其执行主体可以是人体部位识别装置，该人体部位识别装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例中，均以执行主体是计算机设备为例来进行说明。
下面以具体的实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为一个实施例提供的人体部位识别方法的流程示意图。图2(a)为一个实施例提供的人体部位划分与人体部位对应的编号示意图。本实施例涉及的是计算机设备获取多个按预设顺序排列的医学序列图像，将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号，从而确定出多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别的具体实现过程。如图2所示，该方法可以包括：
S201，获取多个按预设顺序排列的医学序列图像。
其中，多个按预设顺序排列的医学序列图像为医学数字成像和通信(DigitalImaging and Communications in Medicine DICOM)序列中的多个按预设顺序排列的二维切片图像。可选的，计算机设备可以从PACS(Picture Archiving and CommunicationSystems，影像归档和通信系统)服务器中获取多个按预设顺序排列的医学序列图像，也可以对待分析的医学图像进行等距离划分，得到多个按预设顺序排列的医学序列图像。
S202，将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号。
具体的，计算机设备将上述多个按预设顺序排列的医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号。其中，人体部位检测模型为预先训练的用于对医学序列图像中人体部位对应的编号进行识别的模型。可选的，计算机设备可以将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的检测编号，对得到的检测编号进行后处理，从而得到各医学序列图像中人体部位对应的编号。需要说明的是，人体按照主要功能与结构区，可分为头颈部、胸肺部和腹、盆腔等，如图2(a)所示，根据预设的精细程度，可将人体部位分为N个部分，得到人体部位对应的编号即图2(a)中所示的编号0～N，当N较大时，对人体部位的划分较为精细，当N较小时，对人体部位的划分较为粗略概括，N的值可以根据实际应用设定，如N＝100，N＝200等。示例性地，在本实施例中，若输入人体部位检测模型的医学序列图像为头部图像，则得到的该医学序列图像中人体部位对应的编号可以为6。
S203，从各医学序列图像中人体部位对应的编号中，确定出多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号。
具体的，计算机设备从各医学序列图像中人体部位对应的编号中，确定出上述多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号。需要说明的是，初始医学序列图像为该多个按照预设顺序排列的医学序列图像中第一个医学序列图像，终止医学序列图像为该多个按照预设顺序排列的医学序列图像中最后一个医学序列图像，也就是，计算机设备将上述多个按预设顺序排列的医学序列图像中第一个医学序列图像中人体部位对应的编号确定为该多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号，将上述多个按预设顺序排列的医学序列图像中最后一个医学序列图像中人体部位对应的编号确定为该多个按照预设顺序排列的医学序列图像的终止医学序列图像中人体部位对应的编号。
S204，根据初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
具体的，计算机设备根据上述多个按预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对该多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。可选的，计算机设备可以根据初始医学序列图像中人体部位对应的编号所属的人体部位、终止医学序列图像中人体部位对应的编号所属的人体部位和预设的阈值，确定上述多个按预设顺序排列的医学序列图像中人体部位的占比，从而对上述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。可选的，多个按预设顺序排列的医学序列图像所覆盖的人体部位可以为头部，也可以为胸部或腹部，也可以为头部和胸部。
在本实施例中，计算机设备将获取的多个按预设顺序排列的医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号，这样能够从各医学序列图像中人体部位对应的编号中，比较准确地确定出获取的多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，提高了得到的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号的准确度，进而提高了根据初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别的准确度。
图3为另一个实施例提供的人体部位识别方法的流程示意图。图3(a)为一个实施例提供的各医学序列图像中人体部位对应的检测编号的示意图。图3(b)为一个实施例提供的获取各医学序列图像中人体部位对应的编号的示意图。本实施例涉及的是计算机设备将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号的具体实现过程。如图2所示，在上述实施例的基础上，作为一种可选的实施方式，上述S202，包括：
S301，将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的检测编号。
具体的，计算机设备将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的检测编号，如图3(a)所示，图中tjj(j＝0,1,L N-1)表示各医学序列图像中人体部位对应的检测编号，N表示上述多个按预设顺序排列的医学序列图像的个数，在本实施例中N＝7。
S302，针对每个医学序列图像，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号。
具体的，如图3(b)所示，计算机设备针对每个医学序列图像，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号。可选的，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号时，计算机设备可以根据当前医学序列图像的检测编号以及公式
Figure BDA0002308508410000111
获取其余医学序列图像的预测编号；式中，tji为其余医学序列图像的预测编号，tjj为当前医学序列图像的检测编号，Axisz为当前医学序列图像体数据的z轴图像方向，Distance为多个按预设顺序排列的医学序列图像中相邻医学序列图像的检测编号差值的中值。示例性地，针对第三个医学序列图像，根据当前医学序列图像的检测编号即t22，获取其余医学序列图像的预测编号即获取t20，t21，t23，t24，t25，t26时，以获取t24为例进行说明，
Figure BDA0002308508410000112
式中Distance为|t00-t11|,|t11-t22|,|t22-t33|,|t33-t44|,|t44-t55|,|t55-t66|的中值。
S303，根据各医学序列图像的检测编号和各医学序列图像的预测编号，得到各医学序列图像中人体部位对应的编号。
具体的，计算机设备根据各医学序列图像的检测编号和各医学序列图像的预测编号，得到各医学序列图像中人体部位对应的编号。可选的，如图3(b)所示，计算机设备获取各医学序列图像的检测编号和各医学序列图像的预测编号的中值编号，将获取的中值编号确定为各医学序列图像中人体部位对应的编号即图3(b)中的T0k，T1k，T2k，T3k，T4k，T5k，T6k。
在本实施例中，计算机设备将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的检测编号，针对每个医学序列图像，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号，根据各医学序列图像的检测编号和各医学序列图像的预测编号，得到各医学序列图像中人体部位对应的编号，通过该过程计算机设备能够结合各医学序列图像的检测编号和各医学序列图像的预测编号得到各医学序列图像中人体部位对应的编号，提高了得到的各医学序列图像中人体部位对应的编号的准确度。
图4为另一个实施例提供的人体部位识别方法的流程示意图。本实施例涉及的是计算机设备根据多个按预设顺序排列的医学图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别的具体实现过程。如图4所示，在上述实施例的基础上，作为一种可选的实施方式，上述S204，包括：
S401，分别判断初始医学序列图像中人体部位对应的编号所属的人体部位和终止医学序列图像中人体部位对应的编号所属的人体部位。
具体的，计算机设备分别判断初始医学序列图像中人体部位对应的编号所属的人体部位和终止医学序列图像中人体部位对应的编号所属的人体部位。示例性地，初始医学序列图像中人体部位对应的编号所属的人体部位可以为头部，终止医学序列图像中人体部位对应的编号所属的人体部位可以为腹部，也可以为头部。
S402，根据初始医学序列图像中人体部位对应的编号、终止医学序列图像中人体部位对应的编号、初始医学序列图像中人体部位对应的编号所属的人体部位以及终止医学序列图像中人体部位对应的编号所属的人体部位，获取多个按预设顺序排列的医学序列图像中各人体部位的占比。
具体的，计算机设备根据初始医学序列图像中人体部位对应的编号、终止医学序列图像中人体部位对应的编号、初始医学序列图像中人体部位对应的编号所属的人体部位以及终止医学序列图像中人体部位对应的编号所属的人体部位，获取上述多个按预设顺序排列的医学序列图像中各人体部位的占比。请继续参见图2(a)，以将人体图像划分为头颈部、胸肺部和腹、盆腔为例进行说明，设头骨顶部的编号为L1、C7椎体中心的编号为L2，T12椎体中心的编号为L3、耻骨联合的编号为L4，则头颈部包括的编号范围为[L1,L2]，胸肺部包括的编号范围为[L2,L3]，腹、盆腔包括的编号范围为[L3,L4]，计算机设备分别判断初始医学序列图像中人体部位对应的编号Ttop和终止医学序列图像中人体部位对应的编号Tbottom属于头颈部[L1,L2]、胸肺部[L2,L3]、腹、盆腔[L3,L4]的哪个部位，并得到上述多个按预设顺序排列的医学序列图像中人体部位分别占头颈部、胸肺部、腹、盆腔的比例，设上述多个按预设顺序排列的医学序列图像中人体部位的头颈部占比为Rbrain、肺部占比为Rlung、腹部占比为Rabdomen，以得到头颈部占比为例进行说明，
Figure BDA0002308508410000131
式中，
Figure BDA0002308508410000132
肺部占比和腹部占比的计算以此类推。
S403，根据多个按预设顺序排列的医学序列图像所属人体各部位的占比，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
具体的，计算机设备根据上述多个按预设顺序排列的医学序列图像所属人体各部位的占比，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。可选的，计算机设备可以根据上述多个按预设顺序排列的医学序列图像所属人体各部位的占比和预设的阈值，将多个按预设顺序排列的医学序列图像所属人体各部位的占比大于预设的阈值对应的人体部位，确定为多个按预设顺序排列的医学序列图像所覆盖的人体部位。示例性地，设预设的阈值为Rthreshold，用F0表示头颈部，F1表示胸肺部，F2表示腹、盆腔，下边以头颈部为例进行说明，
Figure BDA0002308508410000141
胸肺部F1与腹、盆腔F2的计算依次类推。示例性地，若得到的结果为F0:F1:F2＝1:0:0，则确定上述多个按预设顺序排列的医学序列图像所覆盖的人体部位为头颈部，若得到的结果为F0:F1:F2＝0:1:0，则确定上述多个按预设顺序排列的医学序列图像所覆盖的人体部位为胸肺部，若得到的结果为F0:F1:F2＝1:1:0，则确定上述多个按预设顺序排列的医学序列图像所覆盖的人体部位为头颈部和胸肺部。
在本实施例中，计算机设备分别判断多个按预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号所属的人体部位和终止医学序列图像中人体部位对应的编号所属的人体部位，根据初始医学序列图像中人体部位对应的编号、终止医学序列图像中人体部位对应的编号、初始医学序列图像中人体部位对应的编号所属的人体部位以及终止医学序列图像中人体部位对应的编号所属的人体部位，获取多个按预设顺序排列的医学序列图像所属人体各部位的占比，根据多个按预设顺序排列的医学序列图像所属人体各部位的占比，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别，通过该过程计算机设备能够准确地获取多个按预设顺序排列的医学序列图像所属人体各部位的占比，进而可以根据多个按预设顺序排列的医学序列图像所属人体各部位的占比，准确地对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别，提高了对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别的准确度。
图5为另一个实施例提供的人体部位识别方法的流程示意图。在上述实施例的基础上，作为一种可选的实施方式，上述S401之前，上述方法还包括：
S501，对初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号进行判断。
具体的，计算机设备对初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号进行判断。可选的，初始医学序列图像中人体部位对应的编号可以大于终止医学序列图像中人体部位对应的编号，可选的，初始医学序列图像中人体部位对应的编号也可以小于终止医学序列图像中人体部位对应的编号。
S502，若初始医学序列图像中人体部位对应的编号大于终止医学序列图像中人体部位对应的编号，则将初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号互换。
具体的，若初始医学序列图像中人体部位对应的编号大于终止医学序列图像中人体部位对应的编号，则计算机设备将初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号互换。示例性地，例如，初始医学序列图像中人体部位对应的编号为28，终止医学序列图像中人体部位对应的编号为8，初始医学序列图像中人体部位对应的编号大于终止医学序列图像中人体部位对应的编号，则将初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号互换，也就是，互换后初始医学序列图像中人体部位对应的编号为8，终止医学序列图像中人体部位对应的编号为28。
在本实施例中，计算机设备对初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号进行判断，若初始医学序列图像中人体部位对应的编号大于终止医学序列图像中人体部位对应的编号，则将初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号互换，通过该过程确保了得到的初始医学图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号的准确度，进而提高了确定的初始医学序列图像中人体部位对应的编号所属的人体部位和终止医学序列图像中人体部位对应的编号所属的人体部位的准确度；另外，通过该过程也简化了对初始医学序列图像中人体部位对应的编号所属的人体部位和终止医学序列图像中人体部位对应的编号所属的人体部位进行识别的过程，提高了对初始医学序列图像中人体部位对应的编号所属的人体部位和终止医学序列图像中人体部位对应的编号所属的人体部位识别的效率。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图6为一个实施例提供的人体部位识别装置结构示意图。如图6所示，该装置可以包括：第一获取模块10、第二获取模块11、确定模块12和识别模块13。
具体的，第一获取模块10，用于获取多个按预设顺序排列的医学序列图像；
第二获取模块11，用于将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号；
确定模块12，用于从各医学序列图像中人体部位对应的编号中，确定出多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；
识别模块13，用于根据初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
本实施例提供的人体部位识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述第二获取模块11包括：第一获取单元、第二获取单元和第三获取单元。
具体的，第一获取单元，用于将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的检测编号；
第二获取单元，用于针对每个医学序列图像，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号；
第三获取单元，用于根据各医学序列图像的检测编号和各医学序列图像的预测编号，得到各医学序列图像中人体部位对应的编号。
本实施例提供的人体部位识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述第三获取单元具体用于获取各医学序列图像的检测编号和各医学序列图像的预测编号的中值编号，将中值编号确定为各医学序列图像中人体部位对应的编号。
本实施例提供的人体部位识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述第二获取单元具体用于根据当前医学序列图像的检测编号以及公式
Figure BDA0002308508410000181
获取其余医学序列图像的预测编号；式中，tji为其余医学序列图像的预测编号，tjj为当前医学序列图像的检测编号，Axisz为当前医学序列图像体数据的z轴图像方向，Distance为多个按预设顺序排列的医学序列图像中相邻医学序列图像的检测编号差值的中值。
本实施例提供的人体部位识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述识别模块13包括：第一判断单元、第四获取单元和识别单元。
具体的，第一判断单元，用于分别判断初始医学序列图像中人体部位对应的编号所属的人体部位和终止医学序列图像中人体部位对应的编号所属的人体部位；
第四获取单元，用于根据初始医学序列图像中人体部位对应的编号、终止医学序列图像中人体部位对应的编号、初始医学序列图像中人体部位对应的编号所属的人体部位以及终止医学序列图像中人体部位对应的编号所属的人体部位，获取多个按预设顺序排列的医学序列图像所属人体各部位的占比；
识别单元，用于根据多个按预设顺序排列的医学序列图像所属人体各部位的占比，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
本实施例提供的人体部位识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述识别单元具体用于根据多个按预设顺序排列的医学序列图像所属人体各部位的占比和预设的阈值，识别多个按预设顺序排列的医学序列图像所覆盖的人体部位。
本实施例提供的人体部位识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述识别单元具体用于将多个按预设顺序排列的医学序列图像所属人体各部位的占比大于预设的阈值对应的人体部位，确定为多个按预设顺序排列的医学序列图像所覆盖的人体部位。
本实施例提供的人体部位识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述识别模块13还包括第二判断单元和互换单元。
具体的，第二判断单元，用于对初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号进行判断；
互换单元，用于若初始医学序列图像中人体部位对应的编号大于终止医学序列图像中人体部位对应的编号，则将初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号互换。
本实施例提供的人体部位识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于人体部位识别装置的具体限定可以参见上文中对于人体部位识别方法的限定，在此不再赘述。上述人体部位识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取多个按预设顺序排列的医学序列图像；
将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号；
从各医学序列图像中人体部位对应的编号中，确定出多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；
根据初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取多个按预设顺序排列的医学序列图像；
将各医学序列图像输入人体部位检测模型，得到各医学序列图像中人体部位对应的编号；
从各医学序列图像中人体部位对应的编号中，确定出多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；
根据初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号，对多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种人体部位识别方法，其特征在于，所述方法包括：
获取多个按预设顺序排列的医学序列图像；
将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的编号；
从各所述医学序列图像中人体部位对应的编号中，确定出所述多个按照预设顺序排列的医学序列图像的初始医学序列图像中人体部位对应的编号和终止医学序列图像中人体部位对应的编号；
根据所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
2.根据权利要求1所述的方法，其特征在于，将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的编号，包括：
将各所述医学序列图像输入人体部位检测模型，得到各所述医学序列图像中人体部位对应的检测编号；
针对每个医学序列图像，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号；
根据各所述医学序列图像的检测编号和各所述医学序列图像的预测编号，得到各所述医学序列图像中人体部位对应的编号。
3.根据权利要求2所述的方法，其特征在于，根据各所述医学序列图像的检测编号和各所述医学序列图像的预测编号，得到各所述医学序列图像中人体部位对应的编号，包括：
获取各所述医学序列图像的检测编号和各所述医学序列图像的预测编号的中值编号，将所述中值编号确定为各所述医学序列图像中人体部位对应的编号。
4.根据权利要求2所述的方法，其特征在于，所述针对每个医学序列图像，根据当前医学序列图像的检测编号，获取其余医学序列图像的预测编号，包括：
根据当前医学序列图像的检测编号以及公式
Figure FDA0002308508400000021
获取其余医学序列图像的预测编号；式中，tji为其余医学序列图像的预测编号，tjj为当前医学序列图像的检测编号，Axisz为所述当前医学序列图像体数据的z轴图像方向，Dis tan ce为所述多个按预设顺序排列的医学序列图像中相邻医学序列图像的检测编号差值的中值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别，包括：
分别判断所述初始医学序列图像中人体部位对应的编号所属的人体部位和所述终止医学序列图像中人体部位对应的编号所属的人体部位；
根据所述初始医学序列图像中人体部位对应的编号、所述终止医学序列图像中人体部位对应的编号、所述初始医学序列图像中人体部位对应的编号所属的人体部位以及所述终止医学序列图像中人体部位对应的编号所属的人体部位，获取所述多个按预设顺序排列的医学序列图像所属人体各部位的占比；
根据所述多个按预设顺序排列的医学序列图像所属人体各部位的占比，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别。
6.根据权利要求5所述的方法，其特征在于，所述根据所述多个按预设顺序排列的医学序列图像所属人体各部位的占比，对所述多个按预设顺序排列的医学序列图像所覆盖的人体部位进行识别，包括：
根据所述多个按预设顺序排列的医学序列图像所属人体各部位的占比和预设的阈值，识别所述多个按预设顺序排列的医学序列图像所覆盖的人体部位。
7.根据权利要求6所述的方法，其特征在于，所述根据所述多个按预设顺序排列的医学序列图像所属人体各部位的占比和预设的阈值，识别所述多个按预设顺序排列的医学序列图像所覆盖的人体部位，包括：
将所述多个按预设顺序排列的医学序列图像所属人体各部位的占比大于所述预设的阈值对应的人体部位，确定为所述多个按预设顺序排列的医学序列图像所覆盖的人体部位。
8.根据权利要求5所述的方法，其特征在于，所述分别判断所述初始医学序列图像中人体部位对应的编号所属的人体部位和所述终止医学序列图像中人体部位对应的编号所属的人体部位之前，所述方法还包括：
对所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号进行判断；
若所述初始医学序列图像中人体部位对应的编号大于所述终止医学序列图像中人体部位对应的编号，则将所述初始医学序列图像中人体部位对应的编号和所述终止医学序列图像中人体部位对应的编号互换。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。
CN201911249086.0A 2019-12-09 2019-12-09 人体部位识别方法、计算机设备和可读存储介质 Active CN111027469B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911249086.0A CN111027469B (zh) 2019-12-09 2019-12-09 人体部位识别方法、计算机设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911249086.0A CN111027469B (zh) 2019-12-09 2019-12-09 人体部位识别方法、计算机设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN111027469A true CN111027469A (zh) 2020-04-17
CN111027469B CN111027469B (zh) 2024-03-01

Family

ID=70205166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911249086.0A Active CN111027469B (zh) 2019-12-09 2019-12-09 人体部位识别方法、计算机设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN111027469B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102235A (zh) * 2020-08-07 2020-12-18 上海联影智能医疗科技有限公司 人体部位识别方法、计算机设备和存储介质
CN112686867A (zh) * 2020-12-31 2021-04-20 上海商汤智能科技有限公司 医学图像的识别方法及装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080058639A1 (en) * 2006-08-29 2008-03-06 Fujifilm Corporation Medical network system, medical imaging apparatus, medical image processor, and medical image processing method
US20100082699A1 (en) * 2008-09-25 2010-04-01 Canon Kabushiki Kaisha Information processing apparatus and its control method and data processing system
CN108229343A (zh) * 2017-12-18 2018-06-29 北京市商汤科技开发有限公司 目标对象关键点检测方法、深度学习神经网络及装置
CN109171724A (zh) * 2018-07-27 2019-01-11 上海联影医疗科技有限公司 磁共振成像的sar值确定方法、装置、系统和存储介质
CN109389129A (zh) * 2018-09-15 2019-02-26 北京市商汤科技开发有限公司 一种图像处理方法、电子设备及存储介质
CN110490841A (zh) * 2019-07-18 2019-11-22 上海联影智能医疗科技有限公司 计算机辅助影像分析方法、计算机设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080058639A1 (en) * 2006-08-29 2008-03-06 Fujifilm Corporation Medical network system, medical imaging apparatus, medical image processor, and medical image processing method
US20100082699A1 (en) * 2008-09-25 2010-04-01 Canon Kabushiki Kaisha Information processing apparatus and its control method and data processing system
CN108229343A (zh) * 2017-12-18 2018-06-29 北京市商汤科技开发有限公司 目标对象关键点检测方法、深度学习神经网络及装置
CN109171724A (zh) * 2018-07-27 2019-01-11 上海联影医疗科技有限公司 磁共振成像的sar值确定方法、装置、系统和存储介质
CN109389129A (zh) * 2018-09-15 2019-02-26 北京市商汤科技开发有限公司 一种图像处理方法、电子设备及存储介质
CN110490841A (zh) * 2019-07-18 2019-11-22 上海联影智能医疗科技有限公司 计算机辅助影像分析方法、计算机设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RICARDO CHAVARRIAGA ET AL: "The Opportunity challenge A benchmark database for on-body sensor-based activity recognition" *
赵艳娜: "基于外观特征的人体目标再识别研究" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102235A (zh) * 2020-08-07 2020-12-18 上海联影智能医疗科技有限公司 人体部位识别方法、计算机设备和存储介质
CN112102235B (zh) * 2020-08-07 2023-10-27 上海联影智能医疗科技有限公司 人体部位识别方法、计算机设备和存储介质
CN112686867A (zh) * 2020-12-31 2021-04-20 上海商汤智能科技有限公司 医学图像的识别方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN111027469B (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
JP7058373B2 (ja) 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体
CN109598745B (zh) 图像配准方法、装置和计算机设备
CN110415792B (zh) 图像检测方法、装置、计算机设备和存储介质
CN111210465B (zh) 图像配准方法、装置、计算机设备和可读存储介质
CN110766735B (zh) 一种图像的匹配方法、装置、设备及存储介质
EP3940585A1 (en) Image processing method based on artificial intelligence, microscope, system and medium
CN110866909B (zh) 图像生成网络的训练方法、图像预测方法和计算机设备
US11094059B2 (en) Vulnerable plaque identification method, application server thereof, and computer readable medium
CN110084868B (zh) 图像校正方法、装置、计算机设备和可读存储介质
CN110210519B (zh) 分类方法、计算机设备和存储介质
US20220036575A1 (en) Method for measuring volume of organ by using artificial neural network, and apparatus therefor
CN111027469B (zh) 人体部位识别方法、计算机设备和可读存储介质
CN112102235B (zh) 人体部位识别方法、计算机设备和存储介质
CN110738643A (zh) 脑出血的分析方法、计算机设备和存储介质
CN110490841B (zh) 计算机辅助影像分析方法、计算机设备和存储介质
CN111178126A (zh) 目标检测方法、装置、计算机设备和存储介质
CN113160199B (zh) 影像识别方法、装置、计算机设备和存储介质
CN110826557A (zh) 一种骨折检出的方法及装置
CN110766653B (zh) 图像分割方法、装置、计算机设备和存储介质
WO2021097595A1 (zh) 图像的病变区域分割方法、装置及服务器
CN110825693A (zh) 医学数据存储方法、装置和可读存储介质
CN111145152A (zh) 图像检测方法、计算机设备和存储介质
CN109063601B (zh) 唇纹检测方法、装置、计算机设备和存储介质
CN111462203A (zh) Dr病灶演化分析装置和方法
CN111210414A (zh) 医学图像分析方法、计算机设备和可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant