(19)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 202210482674.4 (22)申请日 2022.05.05 (71)申请人 深圳市铱硙医疗科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区高新南六道6号迈科龙 大厦1001 (72)发明人 王思伦　南雅诗　 (74)专利代理 机构 深圳市诺正鑫泽知识产权代 理有限公司 4 4689 专利代理师 颜燕红 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01) G06V 10/25(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 动脉瘤的图像检测方法、 装置、 计算机设备 及存储介质 (57)摘要 本发明实施例公开了一种动脉瘤的图像检 测方法、 装置、 计算机设备及存储介质， 其中方法 包括： 采用预设的滑动窗和预设的滑动步长配 置， 对所述目标头部三维图像进行三维图像块提 取， 以作为目标三维图像块， 所述滑动步长配置 中的与目标方向对应的滑动步长小于所述滑动 窗的与所述目标方向对应的长度； 将每个所述目 标三维图像块输入预设的目标预测模型分别进 三维图像块动脉瘤预测、 体素动脉瘤预测及融合 处理得到动脉瘤掩膜块； 根据所述目标头部三维 图像对各个所述动脉瘤掩膜块进行三维掩膜 图 像拼接得到动脉瘤三维掩膜图像。 从而有利于尽 量保证血管的完整性， 避免血管截断处的特征与 动脉瘤的特 征混淆， 降低了假阳性。 权利要求书3页 说明书16页 附图2页 CN 114820535 A 2022.07.29 CN 114820535 A 1.一种动脉瘤的图像 检测方法， 所述方法包括： 获取目标头 部三维图像； 采用预设的滑动窗和预设的滑动 步长配置， 对所述目标头部三维图像进行三维图像块 提取， 以作为目标三维图像块， 其中， 所述滑动步长配置中的与目标方向对应的滑动步长小 于所述滑动窗的与所述目标方向对应的长度， 所述目标方向为x方向、 y方向和z方向中的任 一个； 将每个所述目标三维图像块输入预设的目标预测模型分别进行三维图像块动脉瘤预 测、 体素动脉瘤预测及融合处 理， 得到动脉瘤掩膜块； 根据所述目标头部三维图像， 对各个所述动脉瘤掩膜块进行三维掩膜图像拼接， 得到 动脉瘤三维掩膜图像。 2.根据权利要求1所述的动脉瘤的图像检测方法， 其特征在于， 所述将每个所述目标三 维图像块输入预设的目标预测模型分别进 行三维图像块动脉瘤预测、 体素动脉瘤预测及融 合处理， 得到动脉瘤掩膜块的步骤， 包括： 采用所述目标预测模型的目标编码器， 对每个所述目标三维图像块进行下采样， 得到 多个单层采样特 征； 采用所述目标预测模型的分类预测层， 对所述目标编码器的最后 一个编码层对应的所 述单层采样特 征进行三维图像块的动脉瘤概 率预测， 得到图像块动脉瘤预测概 率； 采用所述目标预测模型的目标解码器， 对各个所述单层采样特征进行体素动脉瘤预 测， 得到体素动脉瘤概 率掩膜块； 采用所述目标预测模型的目标融合层， 对所述图像块动脉瘤预测概率和所述体素动脉 瘤概率掩膜块中的每 个概率进行加权求和， 得到所述动脉瘤掩膜块。 3.根据权利要求1所述的动脉瘤的图像检测方法， 其特征在于， 所述根据 所述目标头部 三维图像， 对各个所述动脉瘤掩膜块进行三维掩膜图像拼接， 得到动脉瘤三维掩膜图像的 步骤， 包括： 将所述目标头部三维图像中的每个体素， 从各个所述动脉瘤掩膜块中获取各个单体素 动脉瘤预测值， 得到单体素动脉瘤预测值 集； 将各个所述单体素动脉瘤预测值 集中的任一个作为目标 单体素动脉瘤预测值 集； 若所述目标单体素动脉瘤预测值集中的所述单体素动脉瘤预测值的数量大于1， 则对 所述目标单体素动脉瘤预测值集中的各个所述单体素动脉瘤预测值进 行平均值计算， 得到 单体素目标 预测值； 若所述目标单体素动脉瘤预测值集中的所述单体素动脉瘤预测值的数量等于1， 则将 所述目标单体素动脉瘤预测 值集中的所述单体素动脉瘤预测 值作为所述单体素目标预测 值； 对各个所述单体素目标预测值进行三维掩膜图像拼接， 得到所述动脉瘤三维掩膜图 像。 4.根据权利要求1所述的动脉瘤的图像检测方法， 其特征在于， 所述将每个所述目标三 维图像块输入预设的目标预测模型分别进 行三维图像块动脉瘤预测、 体素动脉瘤预测及融 合处理， 得到动脉瘤掩膜块的步骤之前， 还 包括： 获取多个训练样本和初始模型；权　利　要　求　书 1/3 页 2 CN 114820535 A 2将任一个所述训练样本作为目标训练样本； 将所述目标训练样本中的三维图像块样本输入所述初始模型进行动脉瘤预测及体素 动脉瘤预测， 得到动脉瘤分类预测概 率和训练预测掩膜块； 根据所述动脉瘤分类预测概率、 所述训练预测掩膜块、 所述目标训练样本中的动脉瘤 分类标签及掩膜块标签进行损失值计算， 以形成目标损失值； 根据所述目标损失值更新所述初始模型的网络参数， 并且将更新后的所述初始模型用 于下一次计算所述动脉瘤分类预测概 率和所述训练预测掩膜块； 重复执行所述将任一个所述训练样本作为目标训练样本的步骤， 直至达到预设的模型 训练结束条件； 将达到所述模型训练结束条件的所述初始模型作为所述目标 预测模型。 5.根据权利要求4所述的动脉瘤的图像检测方法， 其特征在于， 所述获取多个训练样本 和初始模型的步骤之前， 还 包括： 获取头部三维图像样本集； 采用所述滑动窗和所述滑动步长配置， 对所述头部三维图像样本集中的每个头部三维 图像样本进行三维图像块 提取， 得到初始三维图像块； 采用预设的数据增强配置， 对每个所述初始三维图像块进行数据增强， 得到增强后三 维图像块， 其中， 所述数据增强配置是根据旋转操作和/或翻转操作得到的配置； 根据所述增强后三维图像块获取 所述动脉瘤分类标签及所述掩膜块标签； 将同一个所述初始三维图像块对应的所述增强后三维图像块、 所述动脉瘤 分类标签及 所述掩膜块标签进行关联， 得到所述训练样本 。 6.根据权利要求4所述的动脉瘤的图像检测方法， 其特征在于， 所述将所述目标训练样 本中的三 维图像块样本输入所述初始模型进 行动脉瘤预测及体素动脉瘤预测， 得到动脉瘤 分类预测概 率和训练预测掩膜块的步骤， 包括： 将所述目标训练样本中的所述三维图像块样本输入所述初始模型的编码器进行下采 样， 得到每个编码层对应的单层编码特征， 其中， 所述编码器包括顺序相连的n个所述编码 层， n为大于3的整数； 将第n个所述编码层对应的所述单层编码特征输入所述初始模型的分类预测层进行三 维图像块的动脉瘤概 率预测， 得到所述动脉瘤分类预测概 率； 将各个所述单层编码特征输入所述初始模型的解码器进行体素动脉瘤预测， 得到体素 动脉瘤预测掩膜块， 其中， 所述 解码器包括 顺序相连的n个解码层； 采用所述初始模型的的融合层， 对所述动脉瘤 分类预测概率和所述体素动脉瘤预测掩 膜块中的每 个体素动脉瘤预测值进行加权求和， 得到加权掩膜块； 将所述加权掩膜块中的小于预设的概率阈值的每个加权预测值设置为0， 以形成所述 训练预测掩膜块。 7.根据权利要求6所述的动脉瘤的图像检测方法， 其特征在于， 所述编码层包括： 第一 卷积层和池化层； 所述分类预测层依次包括： 第 二卷积层、 全局自适应平均池化层、 第 一全连接层和第二 全连接层， 所述第二全连接层采用softmax激活函数； 所述解码层包括转置卷积层和上采样层， 第n个所述编码层对应的所述单层编码特征权　利　要　求　书 2/3 页 3 CN 114820535 A 3