基于底部双分支网络和置信度校准的颅内动脉瘤检测方法和装置制造方法及图纸

本发明专利技术公开了一种基于底部双分支网络和置信度校准的颅内动脉瘤检测方法和装置，包括：在底部双分支网络中对图像进行低维特征提取得到特征图，并将特征图分为第一子特征图和第二子特征图后经不同卷积操作分支进行特征提取和融合得到最终特征图；通过最优传输算法进行预测和真实边界框的匹配，根据匹配结果对底部双分支网络进行训练；在底部双分支网络训练过程中，在模型输出端通过构建基于置信度分数的损失函数进行置信度校准，最终得到训练后的底部双分支网络作为颅内动脉瘤检测模型；将新的待检测图片输入颅内动脉瘤检测模型中检测得到高置信度的颅内动脉瘤预测边界框以准确定位颅内动脉瘤。本发明专利技术能够显著提升颅内动脉瘤检测的准确性和可靠性。

【技术实现步骤摘要】

本专利技术属于医学图像处理，具体涉及一种基于底部双分支网络和置信度校准的颅内动脉瘤检测方法和装置。

技术介绍

1、颅内动脉瘤(ias)是脑血管壁的异常膨出，其破裂可能导致致命性蛛网膜下腔出血。目前，ias的临床诊断主要依赖磁共振血管成像(mra)的人工判读，不仅耗时费力且主观性强。为此，基于深度学习的自动检测方法逐渐成为研究热点，然而现有技术在检测小尺寸动脉瘤、降低假阳性率(fpr)及提升定位精度方面仍面临显著挑战。

2、传统的ias自动识别研究多聚焦于图像分割技术。例如，bizjak等提出了一种基于深度几何学习的mra和cta图像分割方法，通过三维几何特征提取实现动脉瘤轮廓的精确划分。sichtermann等采用deepmedic卷积神经网络模型，在3d tof-mra数据中实现了与专业医生相当的敏感性。you等开发的va-unet模型则通过残差连接优化了不同尺寸动脉瘤的分割性能。然而，这些分割方法存在以下问题：(1)小目标敏感性不足：mra图像的高体素分辨率与动脉瘤的小尺寸(通常仅占图像的极小区域)导致数据分布极度不平衡，分割模型虽能捕捉局本文档来自技高网...

【技术保护点】

1.一种基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，所述将特征图分为第一子特征图和第二子特征图后经不同卷积操作分支进行特征提取和融合得到最终特征图，包括：

3.根据权利要求1所述的基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，所述通过最优传输算法进行预测边界框和真实边界框的匹配，生成最终的匹配结果，包括：

4.根据权利要求3所述的基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，在传输成本矩阵中引入...

【技术特征摘要】

1.一种基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，所述将特征图分为第一子特征图和第二子特征图后经不同卷积操作分支进行特征提取和融合得到最终特征图，包括：

3.根据权利要求1所述的基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，所述通过最优传输算法进行预测边界框和真实边界框的匹配，生成最终的匹配结果，包括：

4.根据权利要求3所述的基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，在传输成本矩阵中引入正则化项以减少过拟合风险并使底部双分支网络训练过程中参数更平滑，表示为：

5.根据权利要求1所述的基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，所述在模型输出端通过构建基于置信度分数的损失函数进行置信度校准，包括：

6.根据权利要求1所述的基于底部双分支网络和置信度校准的颅内动脉瘤检测方法，其特征在于，在底部双分支...

【专利技术属性】
技术研发人员：郑淑慧男，郭莉琳，胡彧，赖小波，
申请(专利权)人：浙江中医药大学，
类型：发明
国别省市：