[发明专利]基于ResNet模型特征嵌入UNet的X射线图像分割识别系统及方法

权利要求书

1.一种基于ResNet模型特征嵌入UNet的X射线图像分割识别系统，其特征在于，包括X射线管、增感屏、CCD相机、旋转平台和PC端，其中，

所述X射线管、增感屏、CCD相机和旋转平台均放置于屏蔽罩中以隔绝屏蔽；X射线管、旋转平台、增感屏和CCD相机依次放置；所述旋转平台通过电机使其转动；所述CCD相机与PC端连接；所述X射线管发出X射线穿透放置于旋转平台上的物品后到增感屏上，并由CCD相机拍摄图片传输到PC端，生成X射线图像数据集。

2.一种基于ResNet模型特征嵌入UNet的X射线图像分割识别方法，其特征在于，采用权利要求1所述的系统，包括以下步骤：

S1，将图像分割识别系统采集到的数据集进行标注，并生成标签图片集；

S2，将原始的X射线图像进行图像增强，扩大原有的数据集；

S3，将S1与S2中的X射线图像和标签作为改进后的UNet图像分割模型的输入进行训练；

S4，将训练得到的模型参数作为预测模型，进行X射线图像分割。

3.根据权利要求2所述的方法，其特征在于，所述S1具体包括以下步骤：

S101、将原始X射线图片大小调整为224×224；

S102、制作标签图片，使用Labelme进行图像标记，得到包含标记图像信息的JSON文件；

S103、解析S102得到的JSON文件，生成8位彩色图的标签图，标签图中的每个像素点的值为像素点所属种类。

4.根据权利要求2所述的方法，其特征在于，所述S2中随机选择对X射线图片进行图像增强，所述图像增强包括水平翻转、平移缩放旋转、随机剪裁和自适应直方图均衡化。

5.根据权利要求4所述的方法，其特征在于，所述S2中在对X射线图片进行图像增强的同时对标记图像进行裁剪、翻转平移缩放的空间处理。

6.根据权利要求2所述的方法，其特征在于，所述S3中改进后的UNet图像分割模型是使用ResNet五层输出代替UNet下采样。

7.根据权利要求2所述的方法，其特征在于，所述S3具体包括以下步骤：

S301、设置两种卷积核大小，分别为7×7和3×3的卷积层；

S302、设置卷积核大小为3×3的池化层；

S303、设置扩大倍数为2的双线性插值上采样反卷积层；

S304、将X射线图像输入，进行ResNet下采样，分别经过5层基本块采样分别得到112×112×64，56×56×64，28×28×128，14×14×256，7×7×512大小的特征层；

S305、进行上采样操作，从ResNet的最后一层开始进行双线性插值上采样，与对应大小的下采样得到的特征层拼接并进行卷积操作；

S306、对最后一层进行上采样操作得到与原图像大小一致的224×224×64，卷积并使用sigmoid激活函数得到大小为224×224×5的输出，使用softmax计算概率，判断像素属于哪一类物品。

8.根据权利要求7所述的方法，其特征在于，所述S304中设置残差网络，在S305中的图像输出中加上图像输入得到新的图像输出。

9.根据权利要求2所述的方法，其特征在于，所述S3中训练次数为50。

10.根据权利要求2所述的方法，其特征在于，所述S4中使用torch.save()保存判别网络权重参数并用于测试集。