[发明专利]基于深度学习的医学图像检测方法及相关设备

权利要求书

1.一种基于深度学习的医学图像检测方法，其特征在于，包括：

获取待检测医学图像，所述待检测医学图像包括相邻的多张切片图；

通过深度神经网络的特征提取网络提取获得各切片图的N张基础特征图；

将进行卷积操作后的各切片图的第i基础特征图和进行卷积操作以及上采样操作后的各切片图的第j基础特征图进行特征融合，得到各切片图的第k增强特征图，1ijN，1k≤M，且i，j，k均为正整数，N和M均为大于1的正整数；

对各切片图的第N基础特征图进行卷积操作，获得各切片图的第一增强特征图；

通过K个空洞卷积层对各增强特征图进行处理，获得各增强特征图的K张空洞特征图，K为大于1的正整数；

通过普通卷积层对各增强特征图进行处理，获得各增强特征图的卷积特征图；

连接各增强特征图的K张空洞特征图和卷积特征图，获得各增强特征图的级联特征图；

根据各增强特征图的级联特征图获得K个空洞卷积层和普通卷积层各自的权重；

根据各增强特征图及其K张空洞特征图和卷积特征图、K个空洞卷积层和普通卷积层各自的权重，获得各增强特征图的叠加特征图；以及

根据所述叠加特征图预测所述待检测医学图像中的病灶位置信息及其置信度。

2.根据权利要求1所述的方法，其特征在于，N＝5，M＝3；其中，对各切片图的第N基础特征图进行卷积操作，获得各切片图的第一增强特征图，包括：

对各切片图的第五基础特征图进行卷积操作，获得各切片图的第一增强特征图；

其中，将进行卷积操作后的各切片图的第i基础特征图和进行卷积操作以及上采样操作后的各切片图的第j基础特征图进行特征融合，得到各切片图的第k增强特征图，包括：

根据进行卷积操作后的各切片图的第三基础特征图和进行卷积操作以及上采样操作后的各切片图的第五基础特征图，获得各切片图的第二增强特征图；

根据进行卷积操作后的各切片图的第一基础特征图和进行卷积操作以及上采样后的各切片图的第三基础特征图，获得各切片图的第三增强特征图。

3.根据权利要求1所述的方法，其特征在于，K个空洞卷积层的感受野不同。

4.根据权利要求1所述的方法，其特征在于，K个空洞卷积层的卷积核参数共享。

5.根据权利要求1所述的方法，其特征在于，根据所述叠加特征图预测所述待检测医学图像中的病灶位置信息及其置信度，包括：

对所述叠加特征图进行处理，获得所述待检测医学图像的初始病灶位置信息及其初始置信度；

对所述初始病灶位置信息及其初始置信度进行处理，获得所述待检测医学图像的病灶位置信息及其置信度。

6.根据权利要求5所述的方法，其特征在于，对所述叠加特征图进行处理，获得所述待检测医学图像的初始病灶位置信息及其初始置信度，包括：

根据各切片图的第d叠加特征图获得第d深度特征图，d为大于等于1且小于等于M的正整数；

对M张深度特征图进行预分类，获得所述待检测医学图像的初始病灶位置信息及其初始置信度。

7.根据权利要求1所述的方法，其特征在于，还包括：

获取训练数据集，所述训练数据集包括标注病灶位置信息及其置信度的医学图像；

获取所述医学图像中标注病灶位置信息及其置信度的一张切片图及其上下相邻的两张切片图；

通过所述医学图像中标注病灶位置信息及其置信度的一张切片图及其上下相邻的两张切片图训练所述深度神经网络。

8.根据权利要求1所述的方法，其特征在于，所述待检测医学图像包括CT图像。