[发明专利]基于卷积神经网络的CT图像目标检测方法及CT扫描仪

权利要求书

1.一种基于卷积神经网络的CT图像目标检测方法，其特征在于，所述方法包括：

获得CT扫描仪扫描的待检测区域的CT视频；

基于CT视频中当前帧图像的前一帧图像和后一帧图像，获得残差区域；

将所述残差区域与所述当前帧图像进行融合，获得融合当前帧图像；

对所述融合当前帧图像进行高通滤波，获得高频当前帧图像；

对所述融合当前帧图像进行低通滤波，获得低频当前帧图像；

将所述高频当前帧图像和所述低频当前帧图像进行融合，获得复合当前帧图像；

基于第一卷积神经网络对所述当前帧图像进行目标检测，获得当前帧目标区域；

基于第二卷积神经网络对所述复合当前帧图像进行目标检测，获得复合目标区域；

获得所述当前帧目标区域和所述复合目标区域的距离；

若所述距离小于目标值，基于所述当前帧目标区域和所述复合目标区域，获得待检测的目标图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述残差区域与所述当前帧图像进行融合，获得融合当前帧图像，包括：

获得所述残差区域中的像素点（i,j）的像素值与所述当前帧图像中的像素点(i,j+k)的像素值之和，其中，所述i，j是正整数，k是大于或等于0的整数；

若所述和大于255，所述融合当前帧图像的像素点(i,j)的像素值为第一差值，所述第一差值为255与所述和与255的商的余数之差值；

若所述和不大于255，所述融合当前帧图像的像素点(i,j)的像素值为所述和。

3.根据权利要求1所述的方法，其特征在于，所述将所述高频当前帧图像和所述低频当前帧图像进行融合，获得复合当前帧图像，包括：

获得所述高频当前帧图像中像素点（i,j）的像素值与所述低频当前帧图像中像素点（i,j）的平均值；

确定所述平均值作为所述复合当前帧图像的像素点(i,j)的像素值。

4.根据权利要求1所述的方法，其特征在于，所述基于第一卷积神经网络对所述当前帧图像进行目标检测，获得当前帧目标区域，包括：

对所述当前帧图像进行至少一次卷积处理后，获得第一输出数据；

对所述第一输出数据进行两次池化处理后，获得第二输出数据；

对所述第二输出数据进行至少两次卷积处理后，获得第三输出数据；

对所述 第三输出数据进行至少三次池化处理后，获得第四输出数据；

对所述第四输出数据进行分类，获得所述当前目标区域。

5.根据权利要求1所述的方法，其特征在于，所述基于第二卷积神经网络对所述复合当前帧图像进行目标检测，获得复合目标区域，包括：

对所述复合当前帧图像进行至少三次池化处理后，获得第五输出数据；

对所述第五输出数据进行至少两次卷积处理后 ，获得第六输出数据；

对所述第六输出数据进行一池化处理和一次卷积处理后，获得第七输出数据；

将所述第六输出 数据和所述第七输出数据进行融合，获得第八输出数据；

对所述第八输出数据进行至少两次池化处理和至少两次卷积处理后，获得第九输出数据；

对所述第九输出数据进行分类，获得所述复合目标区域。

6.根据权利要求1所述的方法，其特征在于，所述获得所述当前帧目标区域和所述复合目标区域的距离，包括：

获得所述当前帧目标区域和所述复合目标区域的外接圆；

获得所述当前帧目标区域的外接圆的圆心和所述复合目标区域的外接圆的圆心之间欧氏距离；

确定所述欧氏距离作为所述当前帧目标区域和所述复合目标区域的距离。

7.根据权利要求1所述的方法，其特征在于，所述获得所述当前帧目标区域和所述复合目标区域的距离，包括：

分别获得所述当前帧目标区域和所述复合目标区域的重心；

获得所述当前帧目标区域的重心和所述复合目标区域的重心之间欧氏距离；

确定所述欧氏距离作为所述当前帧目标区域和所述复合目标区域的距离。