[发明专利]一种微创手术器械类别及位置检测方法与系统

权利要求书

1.一种微创手术器械类别及位置检测方法，其特征在于，包括：

S1：采集微创手术过程视频和图像数据集并进行人工标注；

S2：构建Soft-ANL-RCNN网络模型，所述Soft-ANL-RCNN网络模型以resnet101网络为骨干网络提取图像特征，采用非对称Non-local结构对提取的特征图进行融合并挖掘特征图中的长距离信息，采用Soft-NMS网络进行非极大值抑制处理；

S3：通过标注后的数据集对步骤S2中的模型进行训练以获取最佳模型参数；

S4：将待检测图像输入模型中，对图像中的手术器械类别及位置进行检测。

2.根据权利要求1所述的微创手术器械类别及位置检测方法，其特征在于，所述方法还包括采用Faster RCNN网络生成候选区并对候选区域进行检测和分类。

3.根据权利要求2所述的微创手术器械类别及位置检测方法，其特征在于，所述FasterRCNN网络中RPN的损失函数如公式（1）所示：

（1）

其中p_i为第i个anchor的预测分类置信度，p_i*为真实数据，正样本时为1，负样本时为0，N_cls为batch size的值，N_reg为anchor location的数目，L_cls为类别损失，L_reg为回归损失，λ₁用于调节L_cls和L_reg的权重，第i个anchor的参数化坐标为t_i，第i个anchor对应的真实框参数化坐标为t_i*；t_i与t_i*的形式如公式（2）所示：

（2）

其中，x，y，w，h分别代表预测框的中心点坐标、宽度以及高度；以字母x为例，x，x_a，x*分别对应预测框、anchor以及真实值的中心点坐标，其他三个字母同理。

4.根据权利要求1所述的微创手术器械类别及位置检测方法，其特征在于，步骤S2中所述resnet101骨干网络包括Stage1、Stage2、Stage3、Stage4、Stage5五个阶段，获得五个特征图，且Stage3、Stage4、Stage5三个阶段之间的池化层用空洞卷积代替，用于获得相同尺寸的特征图。