一种基于无监督学习的医学图像异常检测方法及终端
基本信息
| 申请号 | CN202111495150.0 | 申请日 | - |
| 公开（公告）号 | CN114155237A | 公开（公告）日 | 2022-03-08 |
| 申请公布号 | CN114155237A | 申请公布日 | 2022-03-08 |
| 分类号 | 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 | 分类 | 计算；推算；计数; |
| 发明人 | 金晶;李宁;陈志坚;梁军;刘晨彬;马俊;丁真;谢宝文;王俊;李建东 | 申请（专利权）人 | 深圳市医诺智能科技发展有限公司 |
| 代理机构 | 深圳市博锐专利事务所 | 代理人 | 欧阳燕明 |
| 地址 | 518000广东省深圳市南山区西丽街道中山园路1001号TCL国际E城G4栋B单元1001 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于无监督学习的医学图像异常检测方法，基于训练图像输入自编码器网络中使用隐式场学习方法进行重建，输出重建训练图像；将训练图像与重建训练图像进行比较计算，得到异常分数；根据异常分数对自编码器网络进行优化，使用优化后的自编码器网络对待检测图像进行特征提取，并根据提取到的特征进行异常检测，隐式场学习方法通过学习训练图像的内隐式表面表示来重建三维形状，生成无异常的重建结果，内隐式表面表示能够与特定的输入分辨率分离，可以无缝缩放以处理高分辨率的三维医学图像，最后根据异常分数对自编码器网络进行优化，使得优化后的自编码器网络能够自动化地剔除和标注异常图像，从而准确地实现医学图像的异常检测。 |
