一种融合图像与几何特征的测评系统技术方案

本发明专利技术涉及一种融合图像与几何特征的测评系统，涉及目标检测技术领域，包括：图像获取模块用于获取待检测的目标图像；目标检测模块用于将待检测的目标图像输入至目标检测模型，以得到目标图像中角的检测数据、十字交叉的检测数据和菱形的检测数据；初步筛查模块用于根据角的检测数据、十字交叉的检测数据和菱形的检测数据，对目标图像进行初步筛查；图像特征模块用于当目标图像通过初步筛查时，根据初步合格图像确定多维图像特征；第二结果输出模块用于将多维图像特征输入至XGBoost模型中，以对初步合格图像进行二次筛查，并输出第二结果。本发明专利技术对被测试者的结构能力进行评测时，智能化程度更高，速度快且准确性高。速度快且准确性高。速度快且准确性高。

【技术实现步骤摘要】
一种融合图像与几何特征的测评系统


[0001]本专利技术涉及目标检测
，特别是涉及一种融合图像与几何特征的测评系统。

技术介绍

[0002]目前，临床上对阿尔茨海默症AD的筛查主要依靠由福尔斯坦(Folstein)于1975年编制的简明精神状态量表(MMSE)，量表包括定向、注意、语言、记忆、视空间技能和结构能力等30项，每项1分，共30分。由于具有操作简单、易行、效度较理想等优点，简明精神状态量表(MMSE)适用于临床认知障碍的检查和社区人群痴呆的筛选。但是，简明精神状态量表(MMSE)使用时，一般采取医生提问患者回答的方式，但这样很大程度上会受到双方情绪的影响，进而可能影响到最终结果，且需要花费较长时间。
[0003]为了能在患病初期发现疑似的AD患者，可将社区的易患人群定期集中，利用MMSE的结构能力部分进行初步筛查，但当被测量者人数过多时，可能出现社区医护人员人手不够的问题，进而影响评测速度；同时MMSE又要求评测医生具备丰富的经验，这使得社区的一般工作人员无法对患者所作图形进行评测，从而也大大影响了评测速度。

技术实现思路

[0004]本专利技术的目的是提供一种融合图像与几何特征的测评系统，结合目标检测模型与XGBoost算法，提高评测速度。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种融合图像与几何特征的测评系统，所述测评系统包括：
[0007]图像获取模块，用于获取待检测的目标图像；
[0008]目标检测模块，用于将所述待检测的目标图像输入至目标检测模型，以得到所述目标图像中角的检测数据、十字交叉的检测数据和菱形的检测数据；所述角的检测数据包括角位置信息；所述角位置信息至少包括角位置；所述十字交叉的检测数据包括十字交叉位置信息；所述十字交叉位置信息至少包括十字交叉位置；所述菱形的检测数据包括菱形位置信息；所述菱形位置信息至少包括菱形位置；
[0009]初步筛查模块，用于根据所述角的检测数据、所述十字交叉的检测数据和所述菱形的检测数据，对所述目标图像进行初步筛查；
[0010]第一结果输出模块，用于在所述目标图像没有通过所述初步筛查时，输出第一结果；所述第一结果为结构能力不合格；
[0011]图像特征模块，用于当所述目标图像通过所述初步筛查时，根据初步合格图像确定多维图像特征；所述初步合格图像为通过所述初步筛查后的目标图像；
[0012]第二结果输出模块，用于将所述多维图像特征输入至XGBoost模型中，以对所述初步合格图像进行二次筛查，并输出第二结果；所述第二结果包括结构能力合格和结构能力不合格。
[0013]可选地，在目标检测模型的训练方面，所述目标检测模块具体包括：
[0014]第一参数子模块，用于对YOLOv5深度学习网络进行参数设置；其中，YOLOv5深度学习网络设置的参数包括：交并比阈值为0.5，置信度阈值为0.299；
[0015]第一训练子模块，用于将样本集输入至参数设置完成的YOLOv5深度学习网络中进行训练，以得到目标检测模型；所述样本集包括多张样本目标图像和每张所述样本目标图像对应的标签；所述标签包括所述样本目标图像中的角位置、十字交叉位置和菱形位置。
[0016]可选地，所述初步筛查模块，具体包括：
[0017]数量确定子模块，用于根据所述角位置确定角数量，根据所述十字交叉位置确定十字交叉数量，根据所述菱形位置确定菱形数量；
[0018]阈值判断子模块，用于判断所述十字交叉数量、所述角数量和所述菱形数量是否符合约束条件；
[0019]第一结果子模块，用于当所述十字交叉数量、所述角数量和所述菱形数量符合约束条件时，返回所述第一结果输出模块；
[0020]第二结果子模块，用于当所述十字交叉数量、所述角数量和所述菱形数量不符合约束条件时，返回所述图像特征模块。
[0021]可选地，所述角位置信息还包括所述角位置对应的置信度；所述十字交叉位置信息还包括所述十字交叉位置对应的置信度；所述菱形位置信息还包括所述菱形位置对应的置信度；
[0022]所述图像特征模块，具体包括：
[0023]第一数量子模块，用于根据初步合格图像中所述角位置对应的置信度确定初步角数量；
[0024]第二数量子模块，用于根据所述初步合格图像中所述十字交叉位置对应的置信度确定初步十字交叉数量；
[0025]第三数量子模块，用于根据所述初步合格图像中所述菱形位置对应的置信度确定初步菱形数量；
[0026]交并比子模块，用于获取第一交并比和第二交并比；所述第一交并比为所述初步合格图像中角位置的检测矩形框与菱形位置的检测矩形框的交并比；所述第二交并比为所述初步合格图像中十字交叉位置的检测矩形框与所述菱形位置的检测矩形框的交并比；
[0027]内外角数量计算子模块，用于根据所述第一交并比确定内角数量和外角数量；
[0028]内外交叉数量计算子模块，用于根据所述第二交并比确定内交叉数量和外交叉数量；
[0029]外角象限子模块，用于以所述菱形位置的中心为原点，建立直角坐标系，并确定外角在所述直角坐标系的第一象限的数量、外角在所述直角坐标系的第二象限的数量、外角在所述直角坐标系的第三象限的数量和外角在所述直角坐标系的第四象限的数量；
[0030]成分特征子模块，用于对所述初步合格图像进行特征提取，得到多维成分特征；
[0031]多维特征组合子模块，用于将所述初步角数量、所述初步十字交叉数量、所述初步菱形数量、所述内角数量、所述外角数量、所述内交叉数量、所述外交叉数量、所述外角在所述直角坐标系的第一象限的数量、所述外角在所述直角坐标系的第二象限的数量、所述外角在所述直角坐标系的第三象限的数量、所述外角在所述直角坐标系的第四象限的数量和
所述多维成分特征确定多维图像特征。
[0032]可选地，所述第一数量子模块，具体包括：
[0033]第一计算单元，用于根据公式确定第i个角位置对应的实际角数量；
[0034]其中，N
i
表示第i个角位置对应的实际角数量，Conf
i
表示初步合格图像中第i个角位置对应的置信度，a和b表示常数；
[0035]根据多个角位置对应的实际角数量确定初步角数量。
[0036]可选地，所述内外角数量计算子模块，具体包括：
[0037]交并比获取单元，用于获取所述初步合格图像中第i个角位置对应的第一交并比；
[0038]第一判断单元，用于判断所述第一交并比是否大于第一阈值；
[0039]外角确定单元，用于在所述第一交并比大于第一阈值时，将所述第i个角位置的角确定为外角；
[0040]内角确定单元，用于在所述第一交并比小于或等于第一阈值时，将所述第i个角位置的角确定为内角；
[0041]数量确定单元，用于根据多个所述外角确定外角数量，根据多个所述内角确定内角数量。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合图像与几何特征的测评系统，其特征在于，所述测评系统包括：图像获取模块，用于获取待检测的目标图像；目标检测模块，用于将所述待检测的目标图像输入至目标检测模型，以得到所述目标图像中角的检测数据、十字交叉的检测数据和菱形的检测数据；所述角的检测数据包括角位置信息；所述角位置信息至少包括角位置；所述十字交叉的检测数据包括十字交叉位置信息；所述十字交叉位置信息至少包括十字交叉位置；所述菱形的检测数据包括菱形位置信息；所述菱形位置信息至少包括菱形位置；初步筛查模块，用于根据所述角的检测数据、所述十字交叉的检测数据和所述菱形的检测数据，对所述目标图像进行初步筛查；第一结果输出模块，用于在所述目标图像没有通过所述初步筛查时，输出第一结果；所述第一结果为结构能力不合格；图像特征模块，用于当所述目标图像通过所述初步筛查时，根据初步合格图像确定多维图像特征；所述初步合格图像为通过所述初步筛查后的目标图像；第二结果输出模块，用于将所述多维图像特征输入至XGBoost模型中，以对所述初步合格图像进行二次筛查，并输出第二结果；所述第二结果包括结构能力合格和结构能力不合格。2.根据权利要求1所述的融合图像与几何特征的测评系统，其特征在于，在目标检测模型的训练方面，所述目标检测模块具体包括：第一参数子模块，用于对YOLOv5深度学习网络进行参数设置；其中，YOLOv5深度学习网络设置的参数包括：交并比阈值为0.5，置信度阈值为0.299；第一训练子模块，用于将样本集输入至参数设置完成的YOLOv5深度学习网络中进行训练，以得到目标检测模型；所述样本集包括多张样本目标图像和每张所述样本目标图像对应的标签；所述标签包括所述样本目标图像中的角位置、十字交叉位置和菱形位置。3.根据权利要求1所述的融合图像与几何特征的测评系统，其特征在于，所述初步筛查模块，具体包括：数量确定子模块，用于根据所述角位置确定角数量，根据所述十字交叉位置确定十字交叉数量，根据所述菱形位置确定菱形数量；阈值判断子模块，用于判断所述十字交叉数量、所述角数量和所述菱形数量是否符合约束条件；第一结果子模块，用于当所述十字交叉数量、所述角数量和所述菱形数量符合约束条件时，返回所述第一结果输出模块；第二结果子模块，用于当所述十字交叉数量、所述角数量和所述菱形数量不符合约束条件时，返回所述图像特征模块。4.根据权利要求1所述的融合图像与几何特征的测评系统，其特征在于，所述角位置信息还包括所述角位置对应的置信度；所述十字交叉位置信息还包括所述十字交叉位置对应的置信度；所述菱形位置信息还包括所述菱形位置对应的置信度；所述图像特征模块，具体包括：第一数量子模块，用于根据初步合格图像中所述角位置对应的置信度确定初步角数量；
第二数量子模块，用于根据所述初步合格图像中所述十字交叉位置对应的置信度确定初步十字交叉数量；第三数量子模块，用于根据所述初步合格图像中所述菱形位置对应的置信度确定初步菱形数量；交并比子模块，用于获取第一交并比和第二交并比；所述第一交并比为所述初步合格图像中角位置的检测矩形框与菱形位置的检测矩形框的交并比；所述第二交并比为所述初步合格图像中十字交叉位置的检测矩形框与所述菱形位置的检测矩形框的交并比；内外角数量计算子模块，用于根据所述第一交并比确定内角数量和外角数量；内外交叉数量计算子模块，用于根据所述第二交并比确定内交叉数量和外交叉数量；外角象限子模块，用于以所述菱形位置的中心为原点，建立直角坐标系，并确定外角在所述直角坐标系的第一象限的数量、外角在所述直角坐标系的第二象限的数量、外角在所述直角坐标系的第三象限的数量和外角在所述直角坐标系的第四象限的数量；成分特征子模块，用于对所述初步合格图像进行特征提取，得到多维成分特征；多维特征组合子模块，用于将所述初步角数量、所述初步十字交叉数量、所述初步菱形数量、所述内角数量、所述外角数量、所述内交叉数量、所述...

【专利技术属性】
技术研发人员：郁磊，黄泽栩，关博，
申请(专利权)人：山西大学，
类型：发明
国别省市：