(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 202211191299.4 (22)申请日 2022.09.28 (71)申请人 中国科学院古脊椎动物与古 人类研 究所 地址 100044 北京市西城区西外大街142号 (72)发明人 侯叶茂　崔心东　尹鹏飞　朱敏　 (74)专利代理 机构 北京君尚知识产权代理有限 公司 11200 专利代理师 余长江 (51)Int.Cl. G06T 7/00(2017.01) G06T 3/40(2006.01) G06T 7/10(2017.01) G06V 10/764(2022.01) (54)发明名称 基于深度学习的微体化石CT图像分析与分 类方法及装置 (57)摘要 本发明公开了一种基于深度学习的微体化 石CT图像分析与分类方法及装置。 所述方法包 括： 获取微体化石的CT图像； 重建所述CT图像， 得 到CT图像超分辨图像； 对所述CT图像超分辨图像 进行语义分割， 得到语义分割结果； 将所述语义 分割结果进行等值面提取和表 面体绘制渲染， 生 成所述CT图像的微体化石 三维模型； 基于 所述微 体化石三维模型进行分类， 得到所述微体化石的 分类结果。 本发明可 以高效、 客观地对微体化石 的分类。 权利要求书2页 说明书9页 附图3页 CN 115546134 A 2022.12.30 CN 115546134 A 1.一种基于深度学习的微体化石CT图像分析与分类方法， 其特 征在于， 所述方法包括： 获取微体化石的CT图像； 重建所述CT图像， 得到 CT图像超分辨图像； 对所述CT图像超分辨图像进行语义分割， 得到语义分割结果； 将所述语义分割结果进行等值面提取和表面体绘制渲染， 生成所述CT图像的微体化石 三维模型； 基于所述 微体化石三维模型进行分类， 得到所述 微体化石的分类结果。 2.如权利要求1所述的方法， 其特征在于， 所述重建所述CT图像， 得到CT图像超分辨图 像， 包括： 建立微体化石CT图像超分辨重建数据集； 所述微体化石CT图像超分辨重建数据集中包 括多个高清 ‑低清CT图像对； 构建包含深度残差块的生成对抗网络； 所述生成对抗网络包括： 生成网络和对抗网络， 所述生成网络用于生成超分辨率微体化石CT图像， 所述对抗网络用于对生 成网络生成图像 的逼真程度进行判断并反馈 到所述生成网络； 加载预训 练的SRGAN网络模型原始权重文件， 通过高清CT图像、 低清CT图像的对抗学 习， 训练所述生成对抗网络， 且训练过程中在上下文损失函数的基础上添加图像特征之间 的空间位置信息， 以得到超分辨重建网络模型； 将所述CT图像输入所述超分辨重建网络模型， 得到所述CT图像超分辨图像。 3.如权利要求1所述的方法， 其特征在于， 所述对所述CT图像超分辨图像进行语义分 割， 得到语义分割结果， 包括： 建立微体化石CT图像 语义分割数据集； 构建改进UNet网络； 所述改进UNet网络包括： 引入残差模块的下采样、 引入注意力机制 模块的跳跃 连接和引入反卷积模块的上采样； 基于所述微体化石CT图像语义分割数据集， 训练所述改进UNet网络， 以得到微体化石 CT图像语义分割网络模型； 将所述CT图像超分辨图像输入所述微体化石CT图像语义分割网络模型， 得到语义分割 结果。 4.如权利要求3所述的方法， 其特征在于， 所述建立微体化石CT图像语义分割数据集， 包括： 收集微体化石CT图像； 应用中值滤波函数降低所述 微体化石CT图像的噪声； 使用大津法进行降噪后的所述微体化石CT图像二值化阈值分割， 并结合手动圈选方式 实现微体化石CT图像的半自动语义分割， 以得到所述 微体化石CT图像的真实标签； 基于所述微体化石CT图像以及对应的真实标签， 建立微体化石CT图像语义分割数据 集。 5.如权利要求1所述的方法， 其特征在于， 所述将所述语义分割结果进行等值面提取和 表面体绘制渲染， 生成所述CT图像的微体化石三维模型， 包括： 在三维体数据中寻找与等 值面相交的体素， 得到体素边； 应用线性插值方式求 解等值面与所述体素边的交点；权　利　要　求　书 1/2 页 2 CN 115546134 A 2连接所有交点， 以提取等 值面， 生成所述CT图像的微体化石三维模型。 6.如权利要求1所述的方法， 其特征在于， 所述基于所述微体化石三维模型进行分类， 得到所述 微体化石的分类结果， 包括： 对所述微体化石三维模型进行 预处理； 采用迁移学习的VG G16网络模型提取 预处理后的微体化石三维模型的特 征向量； 使用LSTM网络模型进行 所述特征向量的特 征融合； 选择SVM多分类 器对特征融合进行分类， 得到所述 微体化石的分类结果。 7.如权利要求6所述的方法， 其特 征在于， 对所述 微体化石三维模型进行 预处理， 包括： 采用PCA方法对所述 微体化石三维模型进行姿态归一 化； 和， 应用平均曲率图增强所述 微体化石三维模型局部几何形态特 征； 和， 使用多视图渲染工具采集所述 微体化石三维模型多视角视图。 8.一种基于深度学习的微体化石CT图像分析与分类装置， 其特 征在于， 所述装置包括： 图像获取模块， 用于获取微体化石的CT图像； 图像重建模块， 用于 重建所述CT图像， 得到 CT图像超分辨图像； 语义分割模块， 用于对所述CT图像超分辨图像进行语义分割， 得到语义分割结果； 三维渲染模块， 用于将所述语义分割结果进行等值面提取和表面体绘制渲染， 生成所 述CT图像的微体化石三维模型； 化石分类模块， 用于基于所述微体化石三维模型进行分类， 得到所述微体化石的分类 结果。 9.一种存储介质， 其上存储有计算机程序， 所述计算机程序被处理器执行时实现权利 要求1‑7中任一方法。 10.一种电子设备， 包括存储器和 处理器， 所述存储器中存储有计算机程序， 所述处理 器被设置为 运行所述计算机程序以执 行权利要求1 ‑7中任一方法。权　利　要　求　书 2/2 页 3 CN 115546134 A 3