[发明专利]基于深度学习的下肢深静脉血栓的检测方法、介质及终端

权利要求书

1.一种基于深度学习的下肢深静脉血栓的检测方法，其特征在于，其包括：

获取检测对象的磁共振成像图像的样本组成训练集，并在所述训练集内的磁共振成像图像中框定血栓检测框；

构建血栓检测网络模型，将所述训练集输入血栓检测网络模型中进行训练，得到训练后的血栓检测网络模型；所述血栓检测网络模型基于YOLOv3检测网络构建，并使用五通道的图像矩阵作为血栓检测网络模型输入；

将待检测的磁共振成像图像输入训练后的血栓检测网络模型，得到静脉血栓检测结果；

所述使用五通道的图像矩阵作为血栓检测网络模型输入，具体包括：

当网络在对磁共振成像图像输入进行训练时，得到网络输入分别是该层图像的上面两层，图像本身及其下面两层，共五层图像，并按空间顺序组合成五通道的图像矩阵，使用所述图像矩阵作为血栓检测网络模型输入；

所述YOLOv3检测网络包含5个卷积模块和5个下采样层，每个卷积模块都包含2个不同参数的卷积层和一个残差层；每个卷积层模块紧接一个下采样层；所述YOLOv3检测网络还包括特征金字塔网络结构。

2.根据权利要求1所述的基于深度学习的下肢深静脉血栓的检测方法，其特征在于，对所述血栓检测框的长宽比例进行K-means聚类分析优化。

3.根据权利要求2所述的基于深度学习的下肢深静脉血栓的检测方法，其特征在于，所述K-means聚类算法中平方误差E的计算公式如下：

其中，μ_i是类簇C_i的均值向量，表达式为：

4.根据权利要求1-3任一所述的基于深度学习的下肢深静脉血栓的检测方法，其特征在于，所述并在所述训练集内的磁共振成像图像中框定血栓检测框，具体包括：

获取检测对象的对比度增强磁共振成像横断面、矢状面和冠状面的图像，通过横断面图像判断血栓的范围，在所述冠状面图像上完成血栓的框定。

5.根据权利要求3所述的基于深度学习的下肢深静脉血栓的检测方法，其特征在于，将所述K-means聚类算法中计算最小欧几里得距离的算法改成计算IOU的算法。

6.根据权利要求5所述的基于深度学习的下肢深静脉血栓的检测方法，其特征在于，所述IOU的计算公式如下：

7.一种基于深度学习的下肢深静脉血栓的检测装置，其特征在于，包括:处理单元和通信单元；所述处理单元，用于通过获取检测对象的磁共振成像图像的样本组成训练集，并在所述训练集内的磁共振成像图像中框定血栓检测框；用于通过构建血栓检测网络模型，将所述训练集输入血栓检测网络模型中进行训练，得到训练后的血栓检测网络模型；所述血栓检测网络模型基于YOLOv3检测网络构建，并使用五通道的图像矩阵作为血栓检测网络模型输入；以及用于通过将待检测的磁共振成像图像输入训练后的血栓检测网络模型，得到静脉血栓检测结果；

所述使用五通道的图像矩阵作为血栓检测网络模型输入，具体包括：

当网络在对磁共振成像图像输入进行训练时，得到网络输入分别是该层图像的上面两层，图像本身及其下面两层，共五层图像，并按空间顺序组合成五通道的图像矩阵，使用所述图像矩阵作为血栓检测网络模型输入；

所述YOLOv3检测网络包含5个卷积模块和5个下采样层，每个卷积模块都包含2个不同参数的卷积层和一个残差层；每个卷积层模块紧接一个下采样层；所述YOLOv3检测网络还包括特征金字塔网络结构。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1～6任意一项所述的基于深度学习的下肢深静脉血栓的检测方法中的步骤。

9.一种终端，其特征在于，包括：处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述处理器执行所述计算机可读程序时实现如权利要求1～6任意一项所述的基于深度学习的下肢深静脉血栓的检测方法中的步骤。