(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 202111674562.0 (22)申请日 2021.12.31 (71)申请人 滨州医学院 地址 264003 山东省烟台市莱山区观海路 346号 (72)发明人 王燕　薛志东　熊一夫　 (74)专利代理 机构 深圳市六加知识产权代理有 限公司 4 4372 代理人 向彬 (51)Int.Cl. G06V 40/10(2022.01) G06V 20/10(2022.01) G06V 10/75(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 利用多侧对称性的影像异常目标检测方法 与电子设备 (57)摘要 本发明公开了一种利用多侧对称性的影像 异常目标检测方法， 包括： (1)通过传感器获取含 有异常的目标图像， 生成训练数据集S1＝(D,L)， 其中D为影像数据集， L为目标区域标注集； (2)使 用S1训练深度学习模型M1， 使M1具有单侧影像目 标检测初步能力， M1检测出目标 区域和漏检目标 区域集合O＝{o1,o2,...,om}； (3)利用物体对称 性的特点， 从对称侧生成O的多个对称侧目标 o′ik， 并生成对称区域集合O ′i＝{o′i1,o′i2,..., o′im}， 其中i＝1,...,C ‑1,C为对称侧数量， k＝ 1,...,m； (4)从C个对称集O ′＝{O′i|i＝1,..., C‑1}中选择1个或多个O ′i,与O一起生成新的训 练集S2； (5)使用训练集S2， 通过目标区域标注集 L进行有监督学习， 训练模型M2； 通过M2对M1检查 目标进行筛检， 以及对M1漏检目标进行复检。 本 发明还提供了相应的电子设备。 权利要求书1页 说明书4页 附图1页 CN 114387618 A 2022.04.22 CN 114387618 A 1.一种利用多侧对称性的影 像异常目标检测方法， 其特 征在于， 包括以下步骤： (1)通过传感器获取含有异常的目标图像， 生成训练数据集S1＝(D,L)， 其中D为影像数 据集， L为目标区域标注集； (2)使用S1训练深度学习模型M1， 使M1具有单侧影像目标检测初步能力， M1检测出目标区 域和漏检目标区域 集合O＝{o1,o2,...,om}； (3)利用物体对称 性的特点， 从对称侧生成O的多个对称侧目标o ′ik， 并生成对称区域集 合O′i＝{o′i1,o′i2,...,o′im}， 其中i＝1,...,C‑1,C为对称侧数量， k ＝1,...,m； (4)从C个对称集O ′＝{O′i|i＝1,...,C ‑1}中选择1个 或多个O′i,与O一起生成新的训练 集S2； (5)使用训练集S2， 通过目标区域标注集L进行有监督学习， 训练模型M2； 通过M2对M1检 查目标进行筛检， 以及对M1漏检目标进行复检。 2.如权利要求1所述的利用多侧对称性的影像异常目标检测方法， 其特征在于， 在所述 步骤(3)中利用M1检测出目标区域和漏检目标区域集合O中元素ok， 根据空间对称位置的对 称性直接拷贝数据生成o ′ik。 3.如权利要求1或2所述的利用多侧对称性的影像异常目标检测方法， 其特征在于， 在 所述步骤(3)中利用特征匹配法自动搜索配准后拷贝； 预设包括ok区域且窗口为w的模版区 域W， 在指定初始位置或范围内， 在对称侧i进行搜索并寻找HOG特征向量与模版W最小余弦 距离的区域作为 o′ik。 4.如权利要求1或2所述的利用多侧对称性的影像异常目标检测方法， 其特征在于， 在 所述步骤(3)中， 通过 人工的方法检视对称位置， 拷贝影 像数据生成o ′ik。 5.如权利要求1或2所述的利用多侧对称性的影像异常目标检测方法， 其特征在于， 在 所述步骤(4)中， 选择第x个对称集生成S2表示为S2＝{(o1,o′x1),...,(om,o′xm)}； 选择第x个 和第y个对称集生成S2表示为S2＝{(o1,o′x1,o′y1),...,(om,o′xm,o′ym)}； 其它多个特征集依 次类推。 6.如权利要求1或2所述的利用多侧对称性的影像异常目标检测方法， 其特征在于， 在 所述步骤(5)中， 对M1检测异常目标候选区域进一步的过滤， 排除低置信度候选区域的干 扰， 以及减少采集设备引起伪像等影响， 使检测出的结果更加精确； 同时对M1只使用单侧数 据无法检出区域， 通过对称侧数据， 达 到检查出异常区域的目的。 7.如权利要求1或2所述的利用多侧对称性的影像异常目标检测方法， 其特征在于， 所 述方法还包括， 对输入的单侧影像先采用M1进行缺陷区域检测， 输出结果为P1， 再输入对称 侧影像数据和P1输入到模型M2进行筛检和复检。 8.如权利要求1或2所述的利用多侧对称性的影像异常目标检测方法， 其特征在于， 网 络模型M1是使用训练集S1选择深度学习算法CN N进行训练得到的。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑8任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 114387618 A 2利用多侧对称性的影像异常 目标检测方法与电子 设备 技术领域 [0001]本发明属于图像处理技术领域， 更具体地， 涉及一种利用多侧对称性的影像异常 目标检测方法与电子设备。 背景技术 [0002]自然界存在大量的对称性物体。 例如人的面部、 左右肢体， 部分机械装置等呈现一 定的对称性。 对称侧两侧虽然局部细节的差别， 但呈现高度的形似性。 当一侧部 分出现故障 或病态、 改进等时， 对称侧会给出较好的参考信息。 以人体对称性为例， 具有左右二侧对称 的特性， 一侧肢体缺陷病灶， 在影像数据(CT(电子计算机断层扫描， Computed   Tomography)、 MRI(磁共振成像， Magnetic  Resonanc e Imaging)、 PET(正电子发射型计算机 断层显像， Po sitron Emission  Computed Tomography)、 X ‑RAY(X射线)等)数据表现方面和 对称侧呈现不同的影响特征， 可以给影响判读提供可靠的参考信息。 但目前鲜有利用多对 称侧信息进行异常目标检测的方法。 例如， 王菲提出一种 人体对称性检测的方法和相关装 置， 用于检测人体左右肌群的对称性； 王于臻提出旋转对称式人体影像检查装置， 是强调设 备的对称性。 狄强等提出基于人体解剖结构对称性的磁共振成像扫描自动定位方法， 可以 很好的利用人体结构的对称性， 但都 强调扫描方法， 而非目标检测。 发明内容 [0003]针对现有技术的以上缺陷或改进需求， 本发明提供了一种利用多侧对称性的影像 异常目标检测方法， 其 目的在于提高异常影像目标 的检测准确性， 由此解决机器学习 方法 在图像目标检测中存在准确性和召回率低以及误检率高的技 术问题。 [0004]为实现上述目的， 按照本发明的一个方面， 提供了一种利用多侧对称性的影像异 常目标检测方法， 包括以下步骤： [0005](1)通过传感器获取含有异常的目标图像， 生成训练数据 集S1＝(D,L)， 其 中D为影 像数据集， L 为目标区域标注集； [0006](2)使用S1训练深度学习模型M1， 使M1具有单侧影像目标检测初步能力， M1检测出 目标区域和漏检目标区域 集合O＝{o1,o2,...,om}； [0007](3)利用物体对称性的特点， 从对称侧生成O的多个对称侧目标o ′ik， 并生成对称区 域集合O′i＝{o′i1,o′i2,...,o′im}， 其中i＝1,...,C‑1,C为对称侧数量， k ＝1,...,m； [0008](4)从C个对称集O ′＝{O′i|i＝1,...,C ‑1}中选择1个或多 个O′i,与O一起生成新的 训练集S2； [0009](5)使用训练集S2， 通过目标区域标注集L进行有监督学习， 训练模型M2； 通过M2对 M1检查目标进行筛检， 以及对M1漏检目标进行复检。 [0010]本发明的一个实施例中， 在所述步骤(3)中利用M1检测出目标区域和漏检目标区 域集合O中元素ok， 根据空间对称位置的对称性 直接拷贝数据生成o ′ik。 [0011]本发明的一个实施例中， 在所述步骤(3)中利用特征匹配法自动搜索 配准后拷贝；说　明　书 1/4 页 3 CN 114387618 A 3