A method of training an artificial neural network (ANN) involves receiving
a likelihood distribution map as a teacher image, receiving a training
image, moving a local window across sub-regions of the training image to
obtain respective sub-region pixel sets, inputting the sub-region pixel
sets to the ANN so that it provides output pixel values that are compared
to output pixel values of corresponding teacher image pixel values to
determine an error, and training the ANN to reduce the error. A method of
detecting a target structure in an image involves scanning a local window
across sub-regions of the image by moving the local window for each
sub-region so as to obtain respective sub-region pixel sets, inputting the
sub-region pixel sets to an ANN so that it provides respective output
pixel values that represent likelihoods that respective image pixels are
part of a target structure, the output pixel values collectively
constituting a likelihood distribution map. Another method for detecting a
target structure involves training N parallel ANNs on either (A) a same
target structure and N mutually different non-target structures, or (B) a
same non-target structure and N mutually different target structures, the
ANNs outputting N respective indications of whether the image includes a
target structure or a non-target structure, and combining the N
indications to form a combined indication of whether the image includes a
target structure or a non-target structure. The invention provides related
apparatus and computer program products storing executable instructions to
perform the methods.
Eine Methode der Ausbildung eines künstlichen neuralen Netzes (ANN) bezieht mit ein, ein Wahrscheinlichkeit Verteilung Diagramm als Lehrerbild zu empfangen und empfängt ein Training Bild und verschiebt ein lokales Fenster über Vor-Regionen des Training Bildes, um jeweiliges Vor-Region Pixel zu erhalten, einstellt, stellt das Eingeben des Vor-Region Pixels auf den ANN ein, damit es Ausgang Pixelwerte, die mit Ausgang Pixelwerten der entsprechenden Lehrerbild-Pixelwerte verglichen werden, um eine Störung festzustellen, und die Ausbildung des ANN liefert, um die Störung zu verringern. Eine Methode des Ermittelns einer Zielstruktur in einem Bild bezieht mit ein, ein lokales Fenster über Vor-Regionen des Bildes abzulichten, indem sie das lokale Fenster für jede Vor-Region verschiebt, um die jeweiligen Vor-Region Pixelsätze, die Vor-Region Pixelsätze zu einem ANN eingebend zu erhalten, damit es jeweilige Ausgang Pixelwerte liefert, die likelihoods darstellen, daß jeweilige Bildpixel ein Teil einer Zielstruktur sind, das Ausgang Pixel ein, bewertet Wahrscheinlichkeit Verteilung Diagramm zusammen festzusetzen. Eine andere Methode für das Ermitteln einer Zielstruktur bezieht Training N paralleles ANNs entweder auf (a) eine gleiche Zielstruktur und N gegenseitig unterschiedlichen Nichtziel Strukturen oder (b) eine gleiche Nichtziel Struktur und N gegenseitig unterschiedliche Ziel Strukturen, das ANNs mit ein, das N jeweilige Anzeigen über ausgibt, ob das Bild eine Zielstruktur oder eine Nichtziel Struktur einschließt, und die N Anzeigen, welches kombiniert, eine kombinierte Anzeige über zu bilden, ob das Bild eine Zielstruktur oder eine Nichtziel Struktur einschließt. Die Erfindung liefert die in Verbindung stehenden Apparate- und Computerprogrammprodukte, die vollziehbare Anweisungen speichern, die Methoden durchzuführen.
