申请/专利权人：浙江飞图影像科技有限公司

申请日：2023-11-13

公开（公告）日：2024-04-30

公开（公告）号：CN117496126B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/44;G06N3/045;G06F40/284

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：公开了一种基于关键词的影像自动定位系统及方法。其首先获取目标医学影像和定位关键词，接着，对所述定位关键词进行文本预处理以得到定位关键词嵌入向量，然后，对所述目标医学影像进行区域图像语义分析以得到目标医学影像备选区域语义特征向量的序列，最后，基于所述定位关键词嵌入向量和所述目标医学影像备选区域语义特征向量的序列，确定定位结果。这样，可以结合深度学习模型来学习关键词与目标医学影像中局部区域的关联度，并以此来实现定位。

主权项：1.一种基于关键词的影像自动定位方法，其特征在于，包括：获取目标医学影像和定位关键词；对所述定位关键词进行文本预处理以得到定位关键词嵌入向量；对所述目标医学影像进行区域图像语义分析以得到目标医学影像备选区域语义特征向量的序列；以及基于所述定位关键词嵌入向量和所述目标医学影像备选区域语义特征向量的序列，确定定位结果；其中，对所述定位关键词进行文本预处理以得到定位关键词嵌入向量，包括：将所述定位关键词通过词嵌入层以得到所述定位关键词嵌入向量；其中，对所述目标医学影像进行区域图像语义分析以得到目标医学影像备选区域语义特征向量的序列，包括：对所述目标医学影像进行区域划分以得到目标医学影像备选区域的序列；以及将所述目标医学影像备选区域的序列通过包含嵌入层的ViT模型以得到所述目标医学影像备选区域语义特征向量的序列；其中，将所述目标医学影像备选区域的序列通过包含嵌入层的ViT模型以得到所述目标医学影像备选区域语义特征向量的序列，包括：使用所述ViT模型的嵌入层分别对所述目标医学影像备选区域的序列中各个目标医学影像备选区域进行嵌入编码以得到目标医学影像备选区域嵌入向量的序列；以及将所述目标医学影像备选区域嵌入向量的序列输入所述ViT模型的转换器模块以得到所述目标医学影像备选区域语义特征向量的序列；其中，将所述目标医学影像备选区域嵌入向量的序列输入所述ViT模型的转换器模块以得到所述目标医学影像备选区域语义特征向量的序列，包括：将所述目标医学影像备选区域嵌入向量的序列进行一维排列以得到全局目标医学影像备选区域特征向量；计算所述全局目标医学影像备选区域特征向量与所述目标医学影像备选区域嵌入向量的序列中各个目标医学影像备选区域嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及分别以所述多个概率值中各个概率值作为权重对所述目标医学影像备选区域嵌入向量的序列中各个目标医学影像备选区域嵌入向量进行加权以得到所述目标医学影像备选区域语义特征向量的序列；其中，基于所述定位关键词嵌入向量和所述目标医学影像备选区域语义特征向量的序列，确定定位结果，包括：分别计算所述定位关键词嵌入向量与所述目标医学影像备选区域语义特征向量的序列中的各个目标医学影像备选区域语义特征向量之间的语义匹配矩阵以得到多个备选语义匹配矩阵；以及利用分类器来对所述多个备选语义匹配矩阵进行匹配与分类以得到所述定位结果。

全文数据：

权利要求：

百度查询： 浙江飞图影像科技有限公司 基于关键词的影像自动定位系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD