一种用于肺结节检测的RT-DETR训练方法技术

本发明专利技术公开了一种用于肺结节检测的RT‑DETR训练方法，涉及医工结合技术领域。该用于肺结节检测的RT‑DETR训练方法，首先从LUNA16数据集中获取原始数据集，然后将原始数据集中CT图像进行归一化、切片，并利用K‑means算法进行分割生成肺实质掩膜与VOC数据生成所需数据集，并将数据集进行随机分配；再引用轻量化的LSNet模块替换原模型Backbone，扩大感受野的同时强化微小纹理，同时在原模型特征交互模块内以EDFFN取代两层前馈网络，通过频域门控保留高价值信息、抑制伪影；用随机分配的数据集对改进后的模型进行训练和测试，该改进方法能够有效、快速、准确的检测出肺部CT图像中的肺结节。

【技术实现步骤摘要】

本专利技术涉及医工结合，具体为一种用于肺结节检测的rt-detr训练方法。

技术介绍

1、肺结节是早期肺癌的重要影像表现形式，其在ct图像中通常呈现为边界模糊、大小不一、密度相近等小目标特征，难以通过传统图像处理方法准确识别。随着深度学习技术的发展，基于卷积神经网络（convolutional neural network，cnn）的目标检测方法被广泛应用于肺结节检测任务，其中以yolo系列、更快的基于区域的卷积神经网络（fasterregion-based convolutional neural network，faster-rcnn）及单次多框检测器（singleshot multibox detector，ssd）等网络为代表的检测器取得了一定成效。然而，这些方法普遍存在两个问题：一方面，传统cnn网络依赖于有限感受野与层级结构，难以在复杂背景下准确建模小目标的上下文信息，导致对肺结节等微小病灶的检测能力有限；另一方面，受限于结构设计，这些模型对计算资源要求较高，难以兼顾高精度与实时性。

2、近年来，基于transformer的检测框架本文档来自技高网...

【技术保护点】

1.一种用于肺结节检测的RT-DETR训练方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的用于肺结节检测的RT-DETR训练方法，其特征在于，在所述S1中，对LUNA16数据集，分别进行尺寸转换处理和格式转换处理。

3.根据权利要求1所述的用于肺结节检测的RT-DETR训练方法，其特征在于，在所述S2中，对S1生成的肺部CT图像原始数据集进行预处理的具体步骤如下：

4.根据权利要求3所述的用于肺结节检测的RT-DETR训练方法，其特征在于，在所述S21中，对原始肺部CT图像的像素灰度值进行归一化处理的公式如下：

>5.根据权利要求1...

【技术特征摘要】

1.一种用于肺结节检测的rt-detr训练方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的用于肺结节检测的rt-detr训练方法，其特征在于，在所述s1中，对luna16数据集，分别进行尺寸转换处理和格式转换处理。

3.根据权利要求1所述的用于肺结节检测的rt-detr训练方法，其特征在于，在所述s2中，对s1生成的肺部ct图像原始数据集进行预处理的具体步骤如下：

4.根据权利要求3所述的用于肺结节检测的rt-detr训练方法，其特征在于，在所述s21中，对原始肺部ct图像的像素灰度值进行归一化处理的公式如下：

5.根据权利要求1所述的用于肺结节检测的rt-det...

【专利技术属性】
技术研发人员：周孟然，李鑫，卞凯，胡锋，高立鹏，王乔龙，陶冶，何小雅，产竹红，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人