一种带有尺度增强和注意力融合的医疗图像病灶检测算法制造技术

本发明专利技术涉及医疗图像病灶检测检测技术领域，且公开了一种带有尺度增强和注意力融合的医疗图像病灶检测算法，包括以下步骤：S1：病例数据加载与预处理；S2：特征提取；S3：权重生成；S4：尺度增强；S5：特征融合；S6：得到候选框；S7：分类和回归；S8：输出预测。本发明专利技术中尺度增强部分采用了不同大小的卷积核，这样可以融合更大范围的特征，并且生成的权重可以为不同尺度信息提供不同的权重，在融合时可以做到加权融合，从而提高检测的准确性，本发明专利技术医疗图像病灶检测算法对于医疗图像的病灶检测可以获得更加准确的检测精度，并且本发明专利技术设计的网络结构可以端到端地进行训练，并且具有很好的可移植性。植性。植性。

【技术实现步骤摘要】
一种带有尺度增强和注意力融合的医疗图像病灶检测算法


[0001]本专利技术属于医疗图像病灶检测
，具体为一种带有尺度增强和注意力融合的医疗图像病灶检测算法。

技术介绍

[0002]医学影像病灶检测在基于计算机辅助诊疗系统的临床诊疗过程中有着非常重要的作用，例如：在对肿瘤的影像学初筛和对肿瘤的检测定位等过程中，智能辅助诊疗的病灶检测系统可以快速的判断、识别、检测、定位肿瘤的位置，并且病灶检测中对病灶的定位可以应用到其他一些的智能辅助诊疗任务中，比如病灶的分割，通过病灶检测的定位可以缩小分割的区域从而提高分割的精确率。当前，在医学临床影像复杂、读片分析过程极具专业经验性等临床实际与分析技术背景下，完全端到端的医学影像自动化读片分析技术还不成熟，主要还是依赖于具有丰富专业技术经验的医师去判断影像中病灶的位置。此外，受到所用成像仪器、成像环境、医师工作疲劳度等客观因素与医师自身专业的主观经验的影响，对同一病例影像的分析结果(尤其是较小的病灶)往往可能会出现一定偏差。因此，实现端到端的对临床医学影像的高效准确的自动化检测具有着重要的理论价值与社会经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带有尺度增强和注意力融合的医疗图像病灶检测算法，其特征在于，包括以下步骤：S1：病例数据加载与预处理：获得医学影像数据及病灶定位信息的标准注释；S2：特征提取：采用现有的残差网络来实现对输入的原始数据的特征提取，并且保留最后5层的特征信息作为初始的特征信息；S3：权重生成：对步骤S2中产生的5层特征图中每层的特征图都进行最大池化、二维卷积、归一化和ReLU函数激活操作，最终生成该层对应每个不同尺度特征图的权重；S4：尺度增强：对步骤S2生成的特征图分别用不同大小的卷积核进行卷积得到两个相同大小且不同尺度的特征图；S5：特征融合：对于现有的不同尺度的特征和对应的权重分别相乘后加和；S6：得到候选框：将最终得到的特征图送入区域生成网络得到一系列的候选框；S7：分类和回归：将步骤S6得到的候选框中的特征再次进行分类和回归修正，并且生成对于每个预测框的成绩；S8：输出预测：通过对步骤S7产生的成绩这一参数设定阈值，对于超过这一阈值的预测框将作为最终预测，对于测试部分，将没有步骤S1中的标准注释，直接将预测结果作为预测进行输出。2.根据权利要求1所述的一种带有尺度增强和注意力融合的医疗图像病灶检测算法，其特征在于，所述步骤S1病例数据加载与预处理包括以下步骤：S11：收集获取目标诊断病症的病例数据库；S12：对步骤S11的数据库中每个病人的影像文件夹以有序的编号命名，并且对应生成相同命名的xml格式的病灶定位的注释文件。3.根据权利要求1所述的一种带有尺度增强和注意力融合的医疗图像病灶检测算法，其特征在于，所述步骤S2中残差网络为ResNet网络。4.根据权利要求1所述的一种带有尺度增强和注意力融合的医疗图像病灶检测算法，其特征在于，所述步骤S2最后5层的特征信息为不同语义深度、不同尺度的特征信息。5.根据权利要求4所述的一种带有尺度增强和注意力融合的医疗图像病灶检测算法，其特征在于，所述特征信息大小分别为4
×4×
2...

【专利技术属性】
技术研发人员：许铮铧，张旭东，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：