[发明专利]肺炎X光图像检测方法

权利要求书

1.一种肺炎X光图像检测方法，其特征在于：包括如下步骤：

1)将原始肺炎X光数据集转换为训练可用格式，该格式为TXT：对于该格式文件的每一行，依次包括图像路径，病灶左上角坐标以及右下角坐标，包含病灶的概率，值为1；

2)用目标检测模型RetinaNet对训练数据进行训练，所述目标检测模型RetinaNet包括特征提取网络和预测网络，所述特征提取网络包括第一特征网络ResNet50和第二特征网络FPN，所述第一特征网络ResNet50对训练数据集中的肺炎X光图像依次进行下采样或卷积操作，获得第一特征图C1、第二特征图C2、第三特征图C3、第四特征图C4和第五特征图C5，所述第二特征网络FPN对第五特征图C5依次进行下采样和卷积，获得第六特征图P6和第七特征图P7；

第五特征图C5作为输入预测网络的特征图P5，对第五特征图C5进行上采样，得到特征图A5，所述第四特征图经过全局池化得到的向量与C4相乘的结果特征图与特征图A5叠加，得到特征图P4，对特征图P4进行上采样得到特征图A4，所述第三特征图经过全局池化得到的向量与C3相乘的结果特征图与特征图A4叠加得到特征图P3，

所述预测网络接收特征图P3、特征图P4、特征图P5、第六特征图P6和第七特征图P7，将特征图P3、特征图P4、特征图P5、第六特征图P6和第七特征图P7经过卷积得到预测值；所述预测值表征了感兴趣区的位置信息和分类信息；

3)将得到的预测值中的位置信息与训练集中真实值相应的位置信息作差并通过损失函数处理，将预测的概率值直接输入损失函数中，并根据所述损失函数的处理结果调整所述第一特征网络和第二特征网络中卷积操作的卷积核，以优化所述目标检测模型RetinaNet，利用验证集数据集对所述目标检测模型RetinaNet予以验证，从而完成所述目标检测模型RetinaNet的训练；

4)输入待检测肺炎X光图像至训练好的目标检测模型RetinaNet，所述目标检测模型RetinaNet输出检测结果。

2.根据权利要求1所述的肺炎X光图像检测方法，其特征在于：步骤2)中，每次下采样和卷积后输入Mish激活函数处理，通过所述Mish激活函数进行特征提取得到相应的特征图。

3.根据权利要求1所述的肺炎X光图像检测方法，其特征在于：将所述全局池化，采用以下公式实现：

在公式中p_i,j代表图像(i,j)位置处的像素值，H、W代表特征图的高和宽；经过以上操作得到一个向量。

4.根据权利要求1、2或3所述的肺炎X光图像检测方法，其特征在于：植入自适应权值，获得定位损失函数和分类损失函数，所述定位损失函数为：

分类损失函数公式为：

r可以控制权重随时间变化的速率，r的取值范围为100～1000；α取值为2～5，本发明中取值为自然底数e，而β可以调整初始权重，取值范围为2～5，本发明中取值为自然底数e，t为step数目，在训练的过程中，设置t值为0，每经过一个step，t自增1，x为定位信息的预测值与真实值的差值，p为预测的分类概率与真实值的差值。