(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 202210892352.7 (22)申请日 2022.07.27 (71)申请人 颜旭东 地址 266000 山东省青岛市 市南区江苏路 16号 (72)发明人 颜旭东　 (74)专利代理 机构 河北圆友缘专利代理事务所 (普通合伙) 13173 专利代理师 吴秀兰 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/246(2017.01) G06T 9/00(2006.01) G06T 7/11(2017.01) G06T 7/62(2017.01)G06T 7/73(2017.01) G06V 10/762(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于目标跟踪算法的医学影像病灶区分析 系统 (57)摘要 基于目标跟踪算法的医学影像病灶区分析 系统， 包括医学影像扫描模块、 医学影像绘制模 块、 医学影像病灶区算法分析模块和医学影像显 示模块； 通过对医学影像中的病灶区进行分析， 有效地辅助医护人员准确地明确病灶区的空间 位置、 大小等状态； 在医学影像病灶区算法分析 模块中， 设计了一种基于深度特征压缩及超像素 尺度预测的目标跟踪算法， 该跟踪算法设计了一 种深度特征压缩方法， 将深度特征进行压缩， 提 高了跟踪的实时性的同时提高了跟踪的鲁棒性， 同时， 设计了一种基于超像素的尺度预测方法， 利用超像素分割进行目标尺度预测， 提高了跟踪 的精度。 权利要求书4页 说明书9页 附图1页 CN 115294043 A 2022.11.04 CN 115294043 A 1.基于目标跟踪算法的医学影像病灶区分析系统， 其特征在于， 所述分析系统包括医 学影像扫描模块、 医学影 像绘制模块、 医学影 像病灶区算法分析模块和医学影 像显示模块； 所述医学影像扫描模块用于对需要检查的部位进行扫描， 获得扫描数据， 并将扫描数 据传输给医学影 像绘制模块； 所述医学影像绘制模块用于将扫描数据转换为规定坐标系下的图像数据， 并按照顺序 将一系列图像数据进 行排序绘制形成视频图像序列， 然后 将视频图像序列传输给医学影像 病灶区算法分析模块用于进一 步分析； 所述医学影像病灶区算法分析模块用于对医学影像绘制模块绘制的视频图像序列进 行进一步分析， 包括病灶区检测算法与病灶区跟踪算法， 所述病灶区算法用于根据医学影 像绘制模块给定的视频图像序列中检测出病灶区， 给出病灶区的位置信息与尺度信息， 检 测出病灶区的图像定义为病灶区跟踪算法的所要跟踪视频图像序列第一帧， 然后 将已知位 置信息与 尺度信息作为病灶区跟踪算法的初始信息； 所述病灶区跟踪算法利用病灶区检测 算法给出的初始信息， 在后续的视频图像序列中利用设计的一种基于深度特征压缩及 超像 素尺度预测的目标跟踪算法跟踪定位病灶区， 给出每一帧视频图像序列中病灶区的位置信 息与尺度信息； 所述医学影像显示模块用于显示需要检查的部位的视频图像序列， 若检测出病灶区， 则显示原始视频图像序列， 若检测出病灶区， 则在原始视频图像序列上显示出病灶区检测 算法与病灶区跟踪算法给 出的矩形框， 矩形框内是检测出的病灶区。 2.根据权利要求1所述的基于目标跟踪算法的医学影像病灶区分析系统， 其特征在于， 所述设计的一种基于深度特征压缩及超像素尺度预测的目标跟踪算法的在线跟踪过程如 下： 步骤一： 利用已知的第 一帧视频图像序列中的目标位置与尺度信 息提取目标模板图像 x1； 步骤二： 利用目标模板图像与其周围背景区域图像计算通道重要性 △d， 同时构造超像 素外观模型； 步骤三： 在下一帧以目标为中心提取搜索图像， 提取目标模板 图像与搜索图像的深度 特征， 利用通道重要性权重对深度特征进行压缩， 得到压缩后的目标模板图像深度特征与 压缩后的搜索图像的深度特 征； 步骤四： 将压缩后的目标模板图像深度特征与压缩后的搜索图像的深度 特征进行互相 关， 得到深度特 征响应图； 步骤五： 根据超像素外观模型计算搜索图像的超像素响应图； 步骤六： 将超像素响应图与深度特 征响应图相结合， 获得目标位置与尺度信息 。 3.根据权利要求2所述的基于目标跟踪算法的医学影像病灶区分析系统， 其特征在于， 所述利用目标模板图像与其周围背景区域图像 计算通道重要性的过程如下： 步骤一： 将目标模板图像输入到VGG ‑16网络中， 提取网络的conv4 ‑3层和conv4 ‑1层特 征作为目标模板的原 始深度特 征 ψ(x1)； 步骤二： 以目标为中心， 截取三倍于目标大小的正方形区域为初始搜索图像z1， 将搜索 图像输入到VGG ‑16网络中， 提取网络的conv4 ‑3层和conv4 ‑1层特征作为搜索图像的原始深 度特征 ψ(z1)；权　利　要　求　书 1/4 页 2 CN 115294043 A 2步骤三： 将目标模板的原始深度特征与搜索图像的原始深度特征进行互相关， 得到一 个具有多个通道的原 始响应图： Rd＝corr( ψ(z1), ψ(x1)),d＝1,2,. ..,Nd 其中， cor r(·)表示互相关操作， d是通道索引， Nd表示特征的通道个数； 步骤四： 利用原 始响应图计算 通道特征的重要性权 重值△d。 4.根据权利要求2所述的基于目标跟踪算法的医学影像病灶区分析系统， 其特征在于， 利用原始响应图来计算每 个通道特 征的重要性权 重值△d的过程如下： 首先， 根据已知目标位置信息与尺度信息， 将响应图划分为目标区域 和周围背景区 域 再分别计算目标区域能量与周围背景区域能量， 通过以下公式计算第d个通道响应 图中目标区域的能量 其中， w和h分别是目标模板图像的宽和高， (i,j)表示图像上像素的位置， Rd(i,j)是响 应图Rd中位置(i,j)处的响应值， 符号 ·表示相乘操作； 第d个通道响应图中周围背景区域的能量 通过以下公式计算得到： 其中， W和H分别是周围背景区域图像的宽和高； 然后结合目标区域与周围背景区域响应图中的最大值， 利用如下公式计算出每个通道 的初始重要性权 重△d′： 其中， max(·)是求取最大值的函数， normalize( ·)是进行归一化的函数， 用于将每个 通道的重要性权 重归一化到0到1的范围之间； 最后， 将每个通道的初始重要性权重 △d′进行二值化操作得到最终的通道重要性权重 △d： 其中， th是设置的一个阈值， 当将每个通道的初始重要性权重 △d′大于阈值th时， 该通 道的重要性为1， 当将每个通道的初始重要性权重 △d′小于阈值th时， 该通道的重要性权重 为0。 5.根据权利要求2所述的基于目标跟踪算法的医学影像病灶区分析系统， 其特征在于， 利用所述 通道重要性权 重对深度特 征进行压缩， 压缩方式如下： 权　利　要　求　书 2/4 页 3 CN 115294043 A 3