【技术实现步骤摘要】
本专利技术涉及目标检测，特别涉及一种基于d-c3和全注意力的结直肠癌息肉检测方法。
技术介绍
1、结直肠癌(colorectal cancer，crc)是一种消化系统的恶性肿瘤，通常发生在结肠或直肠内，是世界上最常见的肿瘤之一，也是导致死亡的主要原因之一。幸运的是，结直肠癌通常具有潜在的预防和早期诊断的可能性。研究发现，及大多数crc是从结直肠息肉逐步演变而来的，尤其是腺瘤性息肉，因此及早发现并及时切除息肉对于预防crc的发生和提高治愈率和生存率非常重要，可减少70％的crc相关死亡率。
2、据调查，结肠镜检查被认为是发现息肉最直接有效的方式，它可以检测出一些息肉的早期病变。研究显示，结肠镜检查可有效地降低结直肠癌的发病率。息肉检出率(pdr)与crc之间有着显著的负相关性。然而，由于内镜医师技术水平的个体差异，以及相关设备的不同，息肉的检出率从7％到53％不等。据不完全统计，结肠镜检查的息肉查全率仅为78％，使得相当一部分息肉被漏检。因此，寻求一些其他的手段来增加结肠镜检查的息肉查全率，减少息肉的漏检数量，从而降低crc的发病率已成为目前研究的重中之重。
3、近年来，随着信息技术的不断发展，在结肠镜检查中利用计算机进行辅助已成为一种趋势。计算机辅助结肠癌检查(computer-aided colonoscopy，cacc)是一种结合了计算机技术和内窥镜技术的新型检查方法，旨在提高结肠癌的诊断准确率和检出率。目前，随着人工智能的不断成熟，利用ai辅助结肠癌检查成为了当前研究的热点之一。
4、b
5、尽管目前ai在辅助消化内镜检测方面取得了较好的成果，但仍然有很多问题值得探索。例如，从数据层面：由于内镜数据的稀缺以及数据标记成本较高，使得目前绝大多数研究没有经过系统筹划，都是针对有限数据集的回顾性研究，而目标检测算法需要大量且质量较高的数据来进行模型的训练。并且息肉数据异质性较大，算法的鲁棒性都值得商榷。从特征层面：在息肉检测过程中，由于结直肠图像的固有特征以及亮度、噪声、对比度不足和成像设备的技术限制都会导致相邻组织间的边缘模糊，传统的息肉检测方法在特征提取中无法获得较好的特征。从算法性能层面：由于传统分类算法在检测良性息肉的准确率较高，但是针对恶性息肉的检测精度不高，会出现假阴性(误诊)的情况。另外部分目标检测算法的时间复杂度较高，不能满足医学图像处理及分析中的实际应用需求。
6、因此，如何对息肉的特征进行有效地提取并设计出高精度、低复杂度的分类方法，亟需进一步的研究和探索。
技术实现思路
1、专利技术目的：针对目前现有的算法在结直肠癌息肉检测时漏检率较高的问题，本专利技术提出了一种基于d-c3和全注意力的结直肠癌息肉检测方法，在确保检测实时性的前提下，降低结直肠癌息肉检测的漏检率的方法。
2、技术方案：本专利技术提出了一种基于d-c3和全注意力的结直肠癌息肉检测方法，具体步骤如下：
3、s1、通过医疗影像采集结肠癌息肉图像构成数据集，并将其分为训练集、验证集、测试集；
4、s2、对结直肠癌息肉数据集中的图像预处理；
5、s3、选择yolov5作为基准模型进行改进，并设计d-c3模块，将其引入到模型的backbone网络以及neck结构中；并将基于胶囊的全注意力模块插入到主干网络的顶部；所述d-c3模块包括d-bottleneck结构，将其引入至c3模块中得到的d-c3模块；所述基于胶囊的全注意力模块在息肉特征提取时同时关注通道和空间的语义特征信息；
6、s4、修改训练模型的损失函数，采用ngwd损失作为目标框回归损失函数；
7、s5、使用标注好的数据集对改进后的模型进行训练，并用测试集进行测试。
8、进一步地，所述步骤s1的具体步骤为：
9、s1.1、通过医疗影像采集结肠癌息肉图像，使用labelme对息肉的位置进行标注构建完整的息肉数据集；
10、s1.2、将数据集的格式进行转换，调整为适合网络输入的yolo格式，并将息肉坐标位置x、y、w、h进行归一化处理；
11、s1.3、划分数据集，将结直肠癌息肉数据集以一定的比例划分训练集、验证集、测试集，构建标准的数据集。
12、进一步地，所述步骤s2中使用自适应对比度增强方法增强息肉与背景的对比度，其具体步骤为：
13、s2.1、使用tone映射对比度增强方法对息肉图像做基于对数的色调映射，根据当前胃镜图像计算出结肠癌息肉的平均亮度，然后根据平均亮度选择合适的亮度域，最后从整个场景到该亮度域进行映射，以获得所需的结果；
14、s2.2、使用mosaic数据增强，随机抽取4张或9张息肉图像进行翻转、旋转后进行随机拼接来扩充数据集；
15、s2.3、使用mixup数据增强，生成不同形状的息肉图像，增强网络模型的泛化能力。
16、进一步地，所述步骤s3中d-c3模块具体结构为：
17、s3.1、设计一种全新的d-bottleneck结构来改进模型的特征表示；它由两部分组成，第一部分由卷积核为1×1和3×3的两个独立的卷积单元和一条额外的残差结构并行连接，接着再经过两个并行的1×1和3×3卷积后与一条可选择的残差边拼接得到最后的输出；
18、s3.2、将d-bottleneck结构引入到c3模块中，得到d-c3模；d-c3模块分为两个并行部分，第一部分首先经过一个1×1的卷积后进入到d-bottleneck结构当中，其输出与第二部分的输出进行通道维度的拼接后再次进行1×1的卷积操作获得最后的输出；
19、s3.3、在主干网络和neck网络中引入d-c3模块，在主干网络中，使用带残差边的d-bottleneck结构来加强网络的深度提升主干网的表达能力，在neck网络部分使用不带残差边的d-bottleneck结构使网络能够更快地输出息肉特征。
20、进一步地，所述步骤3中基于胶囊的全注意力模块的具体结构如下：
21、s3.4、基于胶囊的全注意力模块在息肉特征提取时同时关注通道和空间的语义特征信息，首先执行通道级空间注意操作，通过利用空间特征相关性来突出每个通道中的显著特征语义，然后执行跨通道注意操作，通过利用通道特征依赖关系增强每个位置的语义特征信息；
22、s3.5、通道级空间注意操作首先对输入特征图进行1×1的胶囊卷积运算，得到一维特征图fi∈r1×1×64本文档来自技高网...
【技术保护点】
1.一种基于D-C3和全注意力的结直肠癌息肉检测方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于D-C3和全注意力的结直肠癌息肉检测方法，其特征在于，所述步骤S1的具体步骤为：
3.根据权利要求1所述的一种基于D-C3和全注意力的结直肠癌息肉检测方法，其特征在于，所述步骤S2中使用自适应对比度增强方法增强息肉与背景的对比度，其具体步骤为：
4.根据权利要求1所述的一种基于D-C3和全注意力的结直肠癌息肉检测方法，其特征在于，所述步骤S3中D-C3模块具体结构为：
5.根据权利要求1所述的一种基于D-C3和全注意力的结直肠癌息肉检测方法，其特征在于，所述步骤3中基于胶囊的全注意力模块的具体结构如下：
6.根据权利要求1所述的一种基于D-C3和全注意力的结直肠癌息肉检测方法，其特征在于，所述步骤S4中采用NGWD损失作为目标框回归损失函数，具体为：
7.根据权利要求1所述的一种基于D-C3和全注意力的结直肠癌息肉检测方法，其特征在于，所述步骤S5的具体步骤为：
【技术特征摘要】
1.一种基于d-c3和全注意力的结直肠癌息肉检测方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于d-c3和全注意力的结直肠癌息肉检测方法，其特征在于，所述步骤s1的具体步骤为：
3.根据权利要求1所述的一种基于d-c3和全注意力的结直肠癌息肉检测方法，其特征在于，所述步骤s2中使用自适应对比度增强方法增强息肉与背景的对比度，其具体步骤为：
4.根据权利要求1所述的一种基于d-c3和全注意力的结直肠癌息肉检测方法，其特征在于...
【专利技术属性】
技术研发人员：陈伯伦，朱鹏程，万晶晶，赵月，于翠莹，刘步实，于永涛，
申请(专利权)人：淮阴工学院，
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。