技术摘要：
本申请涉及人工智能技术领域的一种影像数据检测方法和装置。该方法包括：对于切片图像序列中的每个目标图像，确定对应的切片图像组，切片图像组包括目标图像、及在切片图像序列中与目标图像具有上下文关系的邻近图像；对切片图像组中的各切片图像分别提取对应的切片特  全部
背景技术：
随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如 常见的智能家居、智能医疗等，相信随着技术的发展，人工智能技术将在更多的领域得到应 用，并发挥越来越重要的价值。以智能医疗为例，通过计算机程序对医疗影像进行检测，能 够提高检测效率。 由于不同类型的医疗器械、不同的物理参数以及不同的扫描协议等原因，影像数 据的分辨率存在较大差异，目标区域的差异也较大，这种差异又被称为信息不对称。传统方 式中通常是采用重采样的方式来克服信息不对称的问题，但是运算速度较慢。因此，如何有 效提高影像数据的检测效率成为目前需要解决的一个技术问题。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够有效提高检影像数据测效率的 影像数据检测方法和装置以及影像检测模型训练方法和装置。 一种影像数据检测方法，所述方法包括： 获取待检测影像，所述待检测影像包括切片图像序列； 对于切片图像序列中的每个目标图像，确定对应的切片图像组，所述切片图像组 包括所述目标图像、及在所述切片图像序列中与所述目标图像具有上下文关系的邻近图 像； 对所述切片图像组中的各切片图像分别提取对应的切片特征图； 将所述切片图像组对应提取的切片特征图进行对齐操作； 利用对齐后的特征图对所述切片图像组中的各切片图像的上下文信息进行聚合； 对聚合后的特征图进行目标区域检测，得到与所述目标图像对应的检测结果，将 每个目标图像对应的检测结果进行合并，生成与所述待检测影像对应的检测结果。 一种影像数据检测装置，所述装置包括： 第一获取模块，用于获取待检测影像，所述待检测影像包括切片图像序列；对于切 片图像序列中的每个目标图像，确定对应的切片图像组，所述切片图像组包括所述目标图 像、及在所述切片图像序列中与所述目标图像具有上下文关系的邻近图像； 特征提取模块，用于对所述切片图像组中的各切片图像分别提取对应的切片特征 图； 对齐模块，用于将所述切片图像组对应提取的切片特征图进行对齐操作； 聚合模块，用于利用对齐后的特征图对所述切片图像组中的各切片图像的上下文 信息进行聚合； 5 CN 111583220 A 说　明　书 2/17 页 目标检测模块，用于对聚合后的特征图进行目标区域检测，得到与所述目标图像 对应的检测结果，将每个目标图像对应的检测结果进行合并，生成与所述待检测影像对应 的检测结果。 上述影像数据检测方法和装置，通过在待测影像的切片图像序列中确定每个目标 图像对应的切片图像组，可以提取到切片图像组中各切片图像的切片特征图。由于切片图 像是分别单独进行特征提取，切片图像之间不发生信息交互，使得被拍摄部位的三维结构 信息得以保留。通过将切片图像组对应提取的切片特征图进行对齐操作，由此能够将不同 切片图像间的信息调整到相同的分布空间，从而能够适用于各方向上具有不同方向间隔的 待检测影像，克服不同类型的器械、不同的物理参数以及不同的扫描协议等所带来的影像 数据差异，有效抑制待检测影像在各个维度上的信息不对称带来的不利影响，提高待检测 影像的检测准确性。由于切片图像组中的目标图像与邻近图像之间具有上下文关系，将对 齐操作后的特征图对切片图像组中的各切片图像的上下文信息进行聚合，由此能够提取出 更加具有鉴别性的特征。通过对聚合后的特征图进行目标区域检测，可以得到与目标图像 对应的检测结果，将每个目标图像对应的检测结果进行合并，生成与待检测影像对应的检 测结果。由此不仅克服了待检测影像信息不对称问题，而且有效提高了影像数据的检测效 率。 一种影像检测模型训练方法，所述影像检测模型包括骨干网络、三维对齐网络、三 维聚合网络和目标检测网络，所述方法包括： 对于影像样本的切片样本图像序列中的每个目标样本图像，确定对应的切片样本 图像组；所述切片样本图像组包括所述目标样本图像、及在所述切片样本图像序列中与所 述目标样本图像具有上下文关系的邻近样本图像； 通过所述骨干网络对所述切片样本图像组中的各切片样本图像分别提取对应的 切片样本特征图； 通过所述三维对齐网络将所述切片样本图像组对应提取的切片样本特征图进行 对齐操作； 通过所述三维聚合网络利用对齐后的样本特征图对所述切片样本图像组中的各 切片样本图像的上下文信息进行聚合； 通过所述目标检测网络对聚合后的样本特征图进行目标区域检测，得到与所述目 标样本图像对应的检测结果，将每个目标样本图像对应的检测结果进行合并，生成与所述 影像样本对应的检测结果。 一种影像检测模型训练装置，所述影像检测模型包括骨干网络、三维对齐网络、三 维聚合网络和目标检测网络，所述装置包括： 第二获取模块，用于对于影像样本的切片样本图像序列中的每个目标样本图像， 确定对应的切片样本图像组；所述切片样本图像组包括所述目标样本图像、及在所述切片 样本图像序列中与所述目标样本图像具有上下文关系的邻近样本图像； 样本特征提取模块，用于通过所述骨干网络对所述切片样本图像组中的各切片样 本图像分别提取对应的切片样本特征图； 样本对齐模块，用于通过所述三维对齐网络将所述切片样本图像组对应提取的切 片样本特征图进行对齐操作； 6 CN 111583220 A 说　明　书 3/17 页 样本聚合模块，用于通过所述三维聚合网络利用对齐后的样本特征图对所述切片 样本图像组中的各切片样本图像的上下文信息进行聚合； 样本目标检测模块，用于通过所述目标检测网络对聚合后的样本特征图进行目标 区域检测，得到与所述目标样本图像对应的检测结果，将每个目标样本图像对应的检测结 果进行合并，生成与所述影像样本对应的检测结果。 上述影像检测模型训练方法和装置，通过在影像样本的切片样本图像序列中确定 每个目标样本图像对应的切片样本图像组，可以提取到切片样本图像组中各切片样本图像 的切片样本特征图。由于切片样本图像是分别单独进行特征提取，切片样本图像之间不发 生信息交互，使得被拍摄部位的三维结构信息得以保留。通过将切片样本图像组对应提取 的切片样本特征图进行对齐操作，由此能够将不同切片样本图像间的信息调整到相同的分 布空间，从而能够适用于各方向上具有不同方向间隔的影像样本，克服不同类型的器械、不 同的物理参数以及不同的扫描协议等所带来的影像数据差异，有效抑制影像样本在各个维 度上的信息不对称带来的不利影响，提高影像样本的检测准确性。由于切片样本图像组中 的目标样本图像与邻近图像之间具有上下文关系，将对齐操作后的样本特征图对切片样本 图像组中的各切片样本图像的上下文信息进行聚合，由此能够提取出更加具有鉴别性的特 征。通过对聚合后的样本特征图进行目标区域检测，可以得到与目标样本图像对应的检测 结果，将每个目标样本图像对应的检测结果进行合并，生成与影像样本对应的检测结果。由 此不仅克服了影像样本信息不对称问题，而且有效提高了影像样本的检测效率。 附图说明 图1为一个实施例中影像数据检测方法的应用环境图； 图2为一个实施例中影像数据检测方法的流程示意图； 图3为一个实施例中通过滑动窗口获取切片图像的示意图； 图4为一个实施例中传统三维卷积神经网络肺部影像检测结果示意图； 图5为一个实施例中影像检测模型肺部影像检测结果示意图； 图6为一个实施例中影像检测模型训练方法的流程示意图； 图7为一个实施例中影像检测模型的网络结构示意图； 图8为一个实施例中无锚点检测器与基于锚点的检测器进行比较的检测结果示意 图； 图9为一个实施例中影像数据检测装置的结构框图； 图10为一个实施例中影像检测模型训练装置的结构框图； 图11为一个实施例中计算机设备的内部结构图。