一种基于小目标检测的导管下介入目标定位方法及系统技术方案

本发明专利技术涉及医学图像处理技术领域，具体涉及一种基于小目标检测的导管下介入目标定位方法及系统，包括以下步骤：获取用于识别导管下介入目标的医学影像作为第一检测图像；通过第一定位网络以清除非导管下介入目标的图像特征的方式，对所述第一检测图像进行目标降维，得到第二检测图像；通过超分辨率处理以增强导管下介入目标的图像特征的方式，对所述第二检测图像进行目标增强，得到第三检测图像；再通过第二定位网络以识别导管下介入目标的图像特征的方式，对所述第三检测图像进行目标定位，得到导管下介入目标的图像坐标

【技术实现步骤摘要】
一种基于小目标检测的导管下介入目标定位方法及系统


[0001]本专利技术涉及医学图像处理
，具体涉及一种基于小目标检测的导管下介入目标定位方法及系统
。

技术介绍

[0002]导管介入式治疗是利用
X
线透视
、CT
定位
、B
型超声仪等医疗影像设备做导向，将特制的导管或器械经人体动脉
、
静脉
、
消化系统的自然管道
、
胆道或手术后的引流管道抵达体内病变区域，取得组织细胞
、
细菌或生化方面的资料，也可以进行造影摄片获得影像学资料，由上可知，导管介入式治疗的效果取决于病变区域的定位是否准确，或者说病变区域的定位精准是导管介入式治疗的关键
。
[0003]现有技术中当病变区域位于大血管周边或位于重要器官周边时，小病变区域的难以精准识别并定位，因此会造成病变区域的定位遗漏，最终影响导管介入式治疗的效果
。

技术实现思路

[0004]本专利技术的目的在于提供一种基于小目标检测的导管下介入目标定位方法及系统，以解决现有技术中小病变区域的难以精准识别并定位，造成病变区域的定位遗漏的技术问题
。
[0005]为解决上述技术问题，本专利技术具体提供下述技术方案：一种基于小目标检测的导管下介入目标定位方法，包括以下步骤：获取用于识别导管下介入目标的医学影像作为第一检测图像；通过第一定位网络以清除非导管下介入目标的图像特征的方式，对所述第一检测图像进行目标降维，得到第二检测图像；通过超分辨率处理以增强导管下介入目标的图像特征的方式，对所述第二检测图像进行目标增强，得到第三检测图像；再通过第二定位网络以识别导管下介入目标的图像特征的方式，对所述第三检测图像进行目标定位，得到导管下介入目标的图像坐标
。
[0006]作为本专利技术的一种优选方案，所述第一定位网络的构建，包括：随机选取多个第一检测图像作为第一样本图像，并标记出第一样本图像中非导管下介入目标的图像区域作为第一目标区域；将第一样本图像作为第一
YOLO V5
神经网络的输入项，将第一目标区域作为第一
YOLO V5
神经网络的输出项；利用所述第一
YOLO V5
神经网络对第一
YOLO V5
神经网络的输入项和第一
YOLO V5
神经网络的输出项进行学习训练，得到所述第一定位网络；所述第一定位网络的表达式为：
L_no= YOLO V5_1
（
G
）；式中，
L_no
为第一目标区域，
G
为第一样本图像，
YOLO V5_1
为第一
YOLO V5
神经网
络
。
[0007]作为本专利技术的一种优选方案，所述通过第一定位网络以清除非导管下介入目标的图像特征的方式，对所述第一检测图像进行目标降维，得到第二检测图像，包括：将第一检测图像输入至第一定位网络中，得到第一检测图像中的第一目标区域，所述第一目标区域对应于非导管下介入目标的图像区域；在第一检测图像中提取出第一目标区域的多个邻域；将第一目标区域的多个邻域进行聚类分析，得到多个区域集合；将邻域数量最多的区域集合中的所有邻域进行像素加权平均，得到填充像素；将填充像素填充至第一检测图像的第一目标区域中，得到第二检测图像
。
[0008]作为本专利技术的一种优选方案，所述通过超分辨率处理以增强导管下介入目标的图像特征的方式，对所述第二检测图像进行目标增强，得到第三检测图像，包括：将第二检测图像中第一目标区域与第三检测图像中第一目标区域间的差异度最小化，作为超分辨率处理的第一优化目标，所述第一优化目标的表达式为：
R1=min{1/[1+sim(g21,g31)]}
；式中，
R1
为第一优化目标，
min
为最小化运算符，
sim
为相似度运算符，
g21
为第二检测图像中第一目标区域，
g31
为第三检测图像中第一目标区域，
sim(g21,g31)
为
g21
和
g31
之间的相似度；将第二检测图像与第三检测图像间的差异度最大化，作为超分辨率处理的第二优化目标，所述第二优化目标的表达式为：
R2=max{1/[1+sim(G2,G3)]}
；式中，
R2
为第二优化目标，
max
为最大化运算符，
sim
为相似度运算符，
G2
为第二检测图像，
G3
为第三检测图像，
sim(G2,G3)
为
G2
和
G3
之间的相似度；将超分辨率处理的可设定参数的取值范围作为约束条件；基于第一优化目标和第二优化目标，在约束条件下对超分辨率处理的设定参数中进行求解，得到超分辨率处理的可设定参数的最优取值；根据超分辨率处理的可设定参数的最优取值，对第二检测图像进行超分辨率处理，得到第三检测图像；所述超分辨率处理通过拉普拉斯金字塔进行重建，所述超分辨率处理的可设定参数包括拉普拉斯金子塔的高斯模糊设定参数和下采样设定参数
、
以及拉普拉斯金子塔的融合重构权重
。
[0009]作为本专利技术的一种优选方案，所述第二定位网络的构建，包括：随机选取多个第三检测图像作为第二样本图像，将第二样本图像中的导管下介入目标的图像区域作为第二目标区域；将所述第三检测图像作为第二
YOLO V5
神经网络的输入项，将第二目标区域作为第二
YOLO V5
神经网络的输出项；利用所述第二
YOLO V5
神经网络对第二
YOLO V5
神经网络的输入项和第二
YOLO V5
神经网络的输出项进行学习训练，得到所述第二定位网络；所述第二定位网络的表达式为：
L_yes= YOLO V5_2
（
G
）；
式中，
L_yes
为第二目标区域，
G
为第二样本图像，
YOLO V5_2
为第二
YOLO V5
神经网络
。
[0010]作为本专利技术的一种优选方案，所述通过第二定位网络以识别导管下介入目标的图像特征的方式，对所述第三检测图像进行目标定位，得到导管下介入目标的图像坐标，包括：将第三检测图像输入至第二定位网络，由第二定位网格输出第三检测图像中的第二目标区域；将第二目标区域的图像坐标作为导管下介质目标的图像坐标
。
[0011]作为本专利技术的一种优选方案，所述第一检测图像
、
第二检测图像和第三检测图像的图像像素坐标矩阵相一致
。
[0012]作为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于小目标检测的导管下介入目标定位方法，其特征在于：包括以下步骤：获取用于识别导管下介入目标的医学影像作为第一检测图像；通过第一定位网络以清除非导管下介入目标的图像特征的方式，对所述第一检测图像进行目标降维，得到第二检测图像；通过超分辨率处理以增强导管下介入目标的图像特征的方式，对所述第二检测图像进行目标增强，得到第三检测图像；再通过第二定位网络以识别导管下介入目标的图像特征的方式，对所述第三检测图像进行目标定位，得到导管下介入目标的图像坐标
。2.
根据权利要求1所述的一种基于小目标检测的导管下介入目标定位方法，其特征在于：所述第一定位网络的构建，包括：随机选取多个第一检测图像作为第一样本图像，并标记出第一样本图像中非导管下介入目标的图像区域作为第一目标区域；将第一样本图像作为第一
YOLO V5
神经网络的输入项，将第一目标区域作为第一
YOLO V5
神经网络的输出项；利用所述第一
YOLO V5
神经网络对第一
YOLO V5
神经网络的输入项和第一
YOLO V5
神经网络的输出项进行学习训练，得到所述第一定位网络；所述第一定位网络的表达式为：
L_no= YOLO V5_1
（
G
）；式中，
L_no
为第一目标区域，
G
为第一样本图像，
YOLO V5_1
为第一
YOLO V5
神经网络
。3.
根据权利要求2所述的一种基于小目标检测的导管下介入目标定位方法，其特征在于：通过第一定位网络以清除非导管下介入目标的图像特征的方式，对所述第一检测图像进行目标降维，得到第二检测图像，包括：将第一检测图像输入至第一定位网络中，得到第一检测图像中的第一目标区域，所述第一目标区域对应于非导管下介入目标的图像区域；在第一检测图像中提取出第一目标区域的多个邻域；将第一目标区域的多个邻域进行聚类分析，得到多个区域集合；将邻域数量最多的区域集合中的所有邻域进行像素加权平均，得到填充像素；将填充像素填充至第一检测图像的第一目标区域中，得到第二检测图像
。4.
根据权利要求3所述的一种基于小目标检测的导管下介入目标定位方法，其特征在于：通过超分辨率处理以增强导管下介入目标的图像特征的方式，对所述第二检测图像进行目标增强，得到第三检测图像，包括：将第二检测图像中第一目标区域与第三检测图像中第一目标区域间的差异度最小化，作为超分辨率处理的第一优化目标，所述第一优化目标的表达式为：
R1=min{1/[1+sim(g21,g31)]}
；式中，
R1
为第一优化目标，
min
为最小化运算符，
sim
为相似度运算符，
g21
为第二检测图像中第一目标区域，
g31
为第三检测图像中第一目标区域，
sim(g21,g31)
为
g21
和
g31
之间的相似度；将第二检测图像与第三检测图像间的差异度最大化，作为超分辨率处理的第二优化目标，所述第二优化目标的表达式为：
R2=max{1/[1+sim(G2,G3)]}
；式中，
R2
为第二优化目标，
max
为最大化运算符，
sim
为相似度运算符，
G2
为第二检测图像，
G3
为第三检测图像，
sim(G2,G3)
为
...

【专利技术属性】
技术研发人员：陈磊，郑传胜，吴林霞，赵煌旋，
申请(专利权)人：华中科技大学同济医学院附属协和医院，
类型：发明
国别省市：