(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 202210575258.9 (22)申请日 2022.05.24 (71)申请人 阿里巴巴 （中国） 有限公司 地址 310023 浙江省杭州市余杭区五常街 道文一西路969号3幢5层5 54室 (72)发明人 夏英达　张灵　姚佳文　吕乐　 华先胜　 (74)专利代理 机构 北京太合九思知识产权代理 有限公司 1 1610 专利代理师 孙明子 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/44(2022.01) (54)发明名称 图像检测方法、 装置、 设备和存 储介质 (57)摘要 本申请提供一种图像检测方法、 装置、 设备 和存储介质， 该方法包括： 获取通过平扫CT得到 的检测图像， 从检测图像中提取出目标身体部位 图像； 通过第一图像检测模型对目标身体部位图 像进行第一图像 分类分割处理， 以确定目标身体 部位图像中存在第一目标病灶类型及对应于第 一目标病灶类型的病灶区域； 通过第二图像检测 模型对目标身体部位图像进行第二图像分类分 割处理， 以确定目标身体部位图像中存在的第二 目标病灶类型及病灶区域， 第二目标病灶类型是 第一目标病灶类型的子类别。 通过两个图像检测 模型的协同， 可以实现包含病灶类型和病灶区域 的图像的精细化检测。 权利要求书3页 说明书14页 附图4页 CN 115018775 A 2022.09.06 CN 115018775 A 1.一种图像 检测方法， 其特 征在于， 包括： 获取通过平扫电子计算机断层扫描得到的检测图像； 从所述检测图像中提取 出对应于目标身体部位的目标身体部位图像； 通过第一图像检测模型对所述目标身体部位图像进行第 一图像分类分割处理， 以确定 所述目标身体部位图像中存在第一目标病灶类型及对应于第一目标病灶类型的病灶区域； 通过第二图像检测模型对所述目标身体部位图像进行第 二图像分类分割处理， 以确定 所述目标身体部位图像中存在的第二目标病灶类型及病灶区域， 所述第二目标病灶类型是 所述第一目标病灶类型的子类别。 2.根据权利要求1所述的方法， 其特征在于， 所述第 一图像检测模型用于进行第 一组病 灶类型的检测， 所述第一组病灶类型中包括： 按所述 目标身体部位对应的疾病严重程度依 次划分出的第三目标病灶类型、 所述第一目标病灶类型和无病灶， 其中， 所述第一目标病灶 类型是指除所述第三目标病灶类型外的病灶类型的统称。 3.根据权利要求1所述的方法， 其特征在于， 所述第 一图像检测模型包括第 一特征提取 子模型和第一分类分割子模型， 所述第一特征提取子模型包括第一编码模块、 第一解码模 块以及所述第一编码模块和所述第一 解码模块之间的跳 接层； 所述通过第 一图像检测模型对所述目标身体部位图像进行第 一图像分类分割处理， 包 括： 通过所述第 一编码模块提取所述目标身体部位图像对应的第 一特征图组， 所述第 一特 征图组由多个尺度的特 征图构成； 通过所述跳接层将所述第一特 征图组输入到所述第一 解码模块； 通过所述第 一解码模块获取所述目标身体部位图像对应的第 二特征图组， 所述第 二特 征图组由多个尺度的特 征图构成； 将所述第二特征图组输入到所述第 一分类分割子模型， 以通过所述第 一分类分割子模 型对所述第二特征图组中包含的特征图进 行融合， 并基于融合后的特征图确定所述目标身 体部位图像中是否存在第一目标病灶类型及对应于所述第一目标病灶类型的病灶区域。 4.根据权利要求1所述的方法， 其特征在于， 所述第 二图像检测模型包括第 二特征提取 子模型、 第二分类分割子模型和池化模块， 所述第二分类分割子模型中包括记忆单元和注 意力模块； 其中， 所述记忆单元被训练为用于存储所述第一 目标病灶类型下包含的不同病 灶类型在所述目标身体部位中对应的位置和视觉特征， 所述记忆单元被配置为以目标数量 的记忆向量来存储所述位置和视 觉特征； 所述通过第 二图像检测模型对所述目标身体部位图像进行第 二图像分类分割处理， 包 括： 通过所述第 二特征提取子模型提取所述目标身体部位图像对应的第 三特征图组， 所述 第三特征图组由多个尺度的特 征图构成； 依次针对所述多个尺度的特征图中的目标特征图： 通过所述池化模块对所述目标特征 图进行池化处理， 以将所述 目标特征图压缩为所述 目标数量的特征向量； 以及通过所述注 意力模块对所述目标数量的参考向量与所述目标数量的特征向量进行 交叉注意力处理， 对 所述目标数量的参考向量进行自注意力处理， 加和交叉注意力处理结果和自注意力处理结 果； 其中， 当所述目标特征图是所述多个尺度的特征图中的第一个时， 所述参考向量为所述权　利　要　求　书 1/3 页 2 CN 115018775 A 2记忆向量， 当所述 目标特征图不是所述多个尺度的特征图中的第一个时， 所述参考向量为 前一个目标特征图对应的交叉注意力处理结果和自注意力处理结果的加和结果； 所述目标 特征图是所述多个尺度的特 征图中的任一个； 根据最后一个目标特征图对应的交叉注意力处理结果和自注意力处理结果的加和结 果， 确定所述目标身体部位图像中存在的第二目标病灶类型及病灶区域。 5.根据权利要求4所述的方法， 其特征在于， 所述第 二图像检测模型中包括位置嵌入模 块； 所述通过所述注 意力模块对所述目标数量的参考向量与所述目标数量的特征向量进 行 交叉注意力处 理， 包括： 分别对所述目标数量的特征向量叠加上对应的位置嵌入向量， 其中， 任一特征向量上 叠加的位置嵌入向量用于表征所述任一特征向量在所述目标数量的特征向量中对应的位 置信息； 通过所述注意力模块对所述目标数量的参考向量与所述目标数量的叠加上各自对应 的位置嵌入向量的特 征向量进行交叉注意力处 理。 6.根据权利要求4所述的方法， 其特征在于， 所述第 二特征提取子模型包括第 二编码模 块、 第二解码模块以及所述第二编码模块和所述第二 解码模块之间的跳 接层； 所述通过所述第 二特征提取子模型提取所述目标身体部位图像对应的第 三特征图组， 包括： 通过所述第二编码模块 提取所述目标身体部位图像对应的第四特 征图组； 通过所述跳接层将所述第四特 征图组输入到所述第二 解码模块； 通过所述第二 解码模块获取 所述目标身体部位图像对应的第五特 征图组； 确定所述第四特征图组中包含的部分特征图和所述第五特征图组中包含的部分特征 图构成所述第三特 征图组。 7.根据权利要求1所述的方法， 其特征在于， 分别以所述第 一图像检测模型和所述第 二 图像检测模型作为目标图像 检测模型， 所述方法还 包括： 获取用于训练所述目标图像 检测模型的训练样本集； 构建与所述训练样本集对应的多个训练样本 子集； 分别通过 所述多个训练样本 子集训练多个目标图像 检测模型。 8.根据权利要求7所述的方法， 其特征在于， 所述通过第 一图像检测模型对所述目标身 体部位图像进 行第一图像分类分割处理， 以确定所述目标身体部位图像中存在 对应于第一 目标病灶类型的病灶区域， 包括： 分别通过多个第一图像检测模型对所述目标身体部位图像进行第一图像分类分割处 理， 以得到所述多个第一图像 检测模型 各自的输出 结果； 根据所述多个第 一图像检测模型各自的输出结果， 确定所述目标身体部位图像中是否 存在第一目标病灶类型及对应于第一目标病灶类型的病灶区域； 所述通过第 二图像检测模型对所述目标身体部位图像进行第 二图像分类分割处理， 以 确定所述目标身体部位图像中存在的第二目标病灶类型及病灶区域， 包括： 分别通过多个第二图像检测模型对所述目标身体部位图像进行第二图像分类分割处 理， 以得到所述多个第二图像 检测模型 各自的输出 结果； 根据所述多个第 二图像检测模型各自的输出结果， 确定所述目标身体部位图像中存在权　利　要　求　书 2/3 页 3 CN 115018775 A 3