[发明专利]一种基于红外热成像的浅表病变检测系统

说明书

本发明涉及浅表病变检测，具体涉及一种基于红外热成像的浅表病变检测系统，包括服务器以及红外图像获取模块，服务器通过红外图像预处理模块对红外图像获取模块获取的近红外病灶图像进行预处理，服务器通过病变区域识别模型构建模块构建病变区域识别模型，并利用病变区域识别模型训练模块对病变区域识别模型进行模型训练；服务器通过病变区域提取模块结合病变区域识别模型从预处理的近红外病灶图像中提取病变区域图像，并利用目标区域判定模块从病变区域图像中获取目标病变图像，服务器通过目标图像淡化模块对目标病变图像进行淡化；本发明提供的技术方案能够克服现有技术所存在的不能对病变区域图像进行准确提取，病变类型识别准确率较低的缺陷。

技术领域

本发明涉及浅表病变检测，具体涉及一种基于红外热成像的浅表病变检测系统。

背景技术

超声医学在浅表异常组织的诊断中有着广泛应用，特别是在乳腺癌的早期诊断、颈动脉血管斑块诊断等方向，属于医院目前最常用的诊断手段之一。超声医学视觉领域与普通现实视觉领域(如人脸检测)最大的不同之处在于，超声医学视觉领域不能仅仅根据图像的纹理、形状、大小等来定位和检测病灶，而是需要把超声灰度图像在医生人脑中还原为具有空间立体特性的器官解剖结构后，再进行病灶的定位与检测。因此，超声诊断对医生的专业水平有很高的要求，对于缺乏高水平专业知识的基层医院，诊断准确率相对较低。

热成像的特点是温度场空间分布不同，当一个区域的温度明显高或低时，该区域可能存在代谢异常，即可能发生病变，这种现象在人体内浅表区域较为明显，因此可以利用红外热成像对浅表病变进行有效检测。

然而，在利用红外热成像对浅表病变进行检测时，需要对病变区域图像进行准确提取，并对病变区域图像边缘进行自然处理，一旦病变区域图像边缘过渡不自然，或者色相差跨度较大，将会影响后续病变类型的准确识别。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种基于红外热成像的浅表病变检测系统，能够有效克服现有技术所存在的不能对病变区域图像进行准确提取，病变类型识别准确率较低的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于红外热成像的浅表病变检测系统，包括服务器以及红外图像获取模块，所述服务器通过红外图像预处理模块对红外图像获取模块获取的近红外病灶图像进行预处理，所述服务器通过病变区域识别模型构建模块构建病变区域识别模型，并利用病变区域识别模型训练模块对病变区域识别模型进行模型训练；

所述服务器通过病变区域提取模块结合病变区域识别模型从预处理的近红外病灶图像中提取病变区域图像，并利用目标区域判定模块从病变区域图像中获取目标病变图像，所述服务器通过目标图像淡化模块对目标病变图像进行淡化，得到目标病变淡化图像；

所述服务器通过病变类型识别模型构建模块构建病变类型识别模型，并利用病变类型输出模块基于病变类型识别模型对目标病变淡化图像的识别结果输出近红外病灶图像对应的病变类型。

优选地，所述病变区域提取模块结合病变区域识别模型从预处理的近红外病灶图像中提取病变区域图像，包括：

将预处理的近红外病灶图像输入训练好的病变区域识别模型中，得到第一病变区域图像；

基于预处理的近红外病灶图像的初始目标区域及初始保护区域，得到第二病变区域图像；

结合第一病变区域图像、第二病变区域图像获取预处理的近红外病灶图像中的病变区域图像。

优选地，所述将预处理的近红外病灶图像输入训练好的病变区域识别模型中，得到第一病变区域图像，包括：

利用病变区域识别模型中基于残差网络的卷积神经网络，以及特征金字塔网络，提取图像中的多尺度特征；