[发明专利]基于X射线图像的目标检测方法及计算机设备

说明书

本发明公开了一种基于X射线图像的目标检测方法及计算机设备，该方法包括：通过训练好的X射线图像的目标检测模型对X射线图像进行目标检测，目标检测包括：将X射线图像通过第一网络模型进行特征提取操作得到M个特征图；将第M个特征图进行第一运算操作得到预处理特征图，将第M个预处理特征图作为第M阶段的融合特征图；从第M阶段开始依次将当前阶段的融合特征图与前一阶段的预处理特征图进行叠加得到前一阶段的融合特征图；分别将各阶段的融合特征图通过第二网络模型进行预测操作得到融合特征图中每一像素点的类别及位置区域；将包含有检测目标的位置区域作为目标区域。本发明的技术方案可以自动检测和定位检测目标，准确率高，检测速度快。

技术领域

本发明涉及医学图像处理领域，具体而言，涉及一种基于X射线图像的目标检测方法及计算机设备。

背景技术

现有的基于X射线图像进行目标检测时，例如，骨折检测、结节检测及肺炎检测等，医生通常是基于个人经验进行人工诊断，不但对医生的技术水平要求比较高，而且耗时费力、效率低下。

发明内容

鉴于上述问题，本发明实施例的目的在于提供一种基于X射线图像的目标检测方法，以解决现有技术的不足。

本发明的一个实施方案提供一种基于X射线图像的目标检测方法，包括：

通过训练好的X射线图像的目标检测模型对所述X射线图像进行目标检测，其中，利用所述X射线图像的目标检测模型的目标检测包括：

将X射线图像通过第一网络模型进行特征提取操作后得到M个特征图，其中，M为大于或等于二的整数，第一个特征图至第M个特征图的信息量依次增大；

将第M个特征图进行第一运算操作后得到对应的预处理特征图，将第M个预处理特征图作为第M阶段的融合特征图；

从第M阶段开始，依次将当前阶段的融合特征图与前一阶段的预处理特征图进行叠加得到该前一阶段的融合特征图；

分别将各阶段的融合特征图通过第二网络模型进行预测操作后得到所述融合特征图中每一像素点的类别及位置区域，其中，所述类别包括检测目标及非检测目标；

将包含有检测目标的位置区域作为目标区域。

在上述的基于X射线图像的目标检测方法中，所述“将X射线图像通过第一网络模型进行特征提取操作后得到M个特征图”包括：

将X射线图像通过第一阶段的特征提取操作后得到第一阶段的特征图；

从第二阶段开始，依次将前一阶段的特征图作为输入，通过当前阶段的特征提取操作后得到当前阶段的特征图，直至提取得到第M阶段的特征图。

在上述的基于X射线图像的目标检测方法中，所述M等于五；

M个阶段的特征提取操作包括：

第一阶段的特征提取操作包括卷积、归一化和非线性激活操作；

第二阶段的特征提取操作包括池化操作及以第一预定次数循环执行的与所述第一阶段相同的特征提取操作；

第三阶段的特征提取操作包括以第二预定次数循环执行的与所述第一阶段相同的特征提取操作；

第四阶段的特征提取操作包括以第三预定次数循环执行的与所述第一阶段相同的特征提取操作；

第五阶段的特征提取操作包括以第四预定次数循环执行的与所述第一阶段相同的特征提取操作。

在上述的基于X射线图像的目标检测方法中，所述第一运算操作包括卷积操作。

在上述的基于X射线图像的目标检测方法中，所述“从第M阶段开始，依次将当前阶段的融合特征图与前一阶段的预处理特征图进行叠加得到该前一阶段的融合特征图”包括：