【技术实现步骤摘要】
本专利技术涉及伤口图像分类，具体涉及一种基于深度学习的手术切口目标检测方法。
技术介绍
1、出院患者手术切口的管理的关键是切口评估，随着智能手机的普及以及人工智能的发展，人工智能和智能手机的结合为患者术后手术切口的准确化、智能化评估及管理提供了契机。目前已有相关研究将深度学习和图像技术应用于烧伤伤口、糖尿病伤口、压力性损伤等慢性伤口方面，其在伤口监测领域的应用主要为两个方面，一方面是以基于各种理化因素及个体特征的伤口感染、伤口愈合预测模型的构建，另一方面是基于图像的伤口床的分割、伤口特征的识别与判断等。在手术切口方面的应用主要集中在手术切口愈合及感染的预测，然而，在手术切口特征识别方面的研究较少且分类结果的准确率较低，从而不能实现对手术切口问题进行远程的管理和评估。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的一种基于深度学习的手术切口目标检测方法解决了现有技术无法对手术切口问题进行远程管理和评估且分类结果的准确率较低的问题。
2、为了达到上述专利技术目的，本专...
【技术保护点】
1.一种基于深度学习的手术切口目标检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于深度学习的手术切口目标检测方法，其特征在于：所述步骤S1中的预处理和划分的具体过程为：对手术切口图像数据集进行筛选，利用Labelme软件对筛选保留的手术切口图像进行特征标注并通过五折交叉验证法对其进行划分，得到划分后的手术切口图像数据集。
3.根据权利要求1所述的基于深度学习的手术切口目标检测方法，其特征在于：所述手术切口目标检测模型包括五折交叉验证模块、手术切口区域聚合网络、六种目标检测网络、加权框融合模块；其中：
4.根据权利要...
【技术特征摘要】
1.一种基于深度学习的手术切口目标检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于深度学习的手术切口目标检测方法，其特征在于：所述步骤s1中的预处理和划分的具体过程为：对手术切口图像数据集进行筛选，利用labelme软件对筛选保留的手术切口图像进行特征标注并通过五折交叉验证法对其进行划分，得到划分后的手术切口图像数据集。
3.根据权利要求1所述的基于深度学习的手术切口目标检测方法，其特征在于：所述手术切口目标检测模型包括五折交叉验证模块、手术切口区域聚合网络、六种目标检测网络、加权框融合模块；其中：
4.根据权利要求3所述的基于深度学习的手术切口目标检测方法，其特征在于：所述步骤s2进一步包括：
5.根据权利要求4所述的基于深度学习的手术切口目标检测方法，其特征在于：所述步骤s2-1中的多个公开数据集包括imagenetd数据集、mscocod数据集和wound数据集；所述步骤s2-2中的多个图像训练集包括object365数据集、goldg数据集和goldg-cc3m数据集。
6.根据权利要求4...
【专利技术属性】
技术研发人员：赵春林，李玲利，姜泽坤，易华挥，杨毅，郭雨辰，王晶，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。