基于目标检测神经网络的耳硬化病灶检测及诊断系统技术方案

本发明专利技术属于医学图像智能处理技术领域，具体为一种基于目标检测神经网络的耳硬化病灶检测及诊断系统。本发明专利技术系统包括特征提取主干网络、目标检测与分类网络、对多层检测结果的后处理诊断系统；主干网络在VGG‑19的基础上构建，包括16个卷积层，用于提取输入图像的特征图；目标检测与分类网络包括区域提取网络、自适应池化层、分类网络，得到区域的类别；后处理诊断系统输入为

【技术实现步骤摘要】
基于目标检测神经网络的耳硬化病灶检测及诊断系统
本专利技术属于医学图像智能处理
，涉及一种耳硬化病灶检测及诊断系统，更具体地说，涉及一种基于目标检测神经网络的耳硬化病灶检测及诊断系统。
技术介绍
耳硬化症是一种原因不明的疾病，病理上是由于骨迷路原发性局限性骨质吸收，而代以血管丰富的海绵状骨质增生，故称“硬化”。当侵犯卵圆窗时，可引起镫骨固定，失去传音功能，使听力进行性减退。耳硬化症的发病率与人种有很大关系，白种人发病率高，黑人发病率最低，黄种人介于两者之间。发病年龄以中青年较多。双耳或单耳渐进性听力下降是本病的主要症状，约20％-80％的病人伴有耳鸣。耳鸣多为低频性、持续性或间歇性，后期可出现高频性耳鸣。患者在一般环境中分辨语音困难，在嘈杂环境中听辨能力反而提高，这种现象称为韦氏误听，少数病人在头部活动时出现短暂的轻度眩晕。该病症有两种主要类型，分别为镫骨型和耳蜗型。其中，耳蜗型的病变特征较为明显，人工检测准确率很高，因此本专利技术只关注检测难度较大的镫骨型耳硬化的检测及诊断。镫骨型耳硬化患者的颞骨CT表现为窗前裂本文档来自技高网...

【技术保护点】
1.一种基于目标检测神经网络的耳硬化病灶检测及诊断系统，其特征在于，包括：特征提取主干网络，目标检测与分类网络，对多层检测结果的后处理诊断系统；其中：/n（1）所述特征提取主干网络，是在VGG-19的基础上构建，去除VGG-19的最后三个全连接层后，主干网络包括16个卷积层，卷积层的特征图在池化层的作用下分辨率逐渐减小，根据池化层所在的位置将卷积层分成5组，分别为conv1_2, conv2_2, conv3_4, conv4_4,conv5_4；网络参数由在ImageNet数据集上预训练的VGG-19模型初始化，以便充分利用在ImageNet上学习的提取深层次特征的能力；特征提取主干网络的输...

【技术特征摘要】
1.一种基于目标检测神经网络的耳硬化病灶检测及诊断系统，其特征在于，包括：特征提取主干网络，目标检测与分类网络，对多层检测结果的后处理诊断系统；其中：
（1）所述特征提取主干网络，是在VGG-19的基础上构建，去除VGG-19的最后三个全连接层后，主干网络包括16个卷积层，卷积层的特征图在池化层的作用下分辨率逐渐减小，根据池化层所在的位置将卷积层分成5组，分别为conv1_2,conv2_2,conv3_4,conv4_4,conv5_4；网络参数由在ImageNet数据集上预训练的VGG-19模型初始化，以便充分利用在ImageNet上学习的提取深层次特征的能力；特征提取主干网络的输入3D的颞骨CT图像，输出为颞骨CT图像的特征图；
（2）所述目标检测与分类网络，采用Ren等人提出的目标检测网络，将感兴趣区域用与坐标轴平行的矩形标记框框出，并给出该区域的分类结果，即正常或病变区域；具体结构包括：区域提取网络、自适应池化层、分类网络；所述区域提取网络分为两个并行的部分，其中一部分通过softmax函数将特征区域分为前景和背景两类，另一部分通过1×1卷积计算标记框的偏移量，最终将两部分的输出进行综合，得到提取出的特征区域；所述分类网络，通过全连接层产生两条输出支路：第一条支路输出每个特征区域的位置偏移量，用于进一步修正检测框的位置；第二条支路通过softmax函数计算特征的分类概率，得出区域的类别；其工作流程为：
首先，特征提取主干网络的输出特征图送入区域提取网络，得到提取出的特征区域；
然后，将提取出的特征区域进入自适应池化层进行自适应池...

【专利技术属性】
技术研发人员：颜波，王云峰，李健，谭伟敏，陈鹤丹，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31