[发明专利]一种基于YOLOV4Tiny网络的导丝末端检测方法

说明书

本发明提供了一种基于YOLOV4Tiny网络的导丝末端检测方法，包括：获取导丝图像数据，对所述导丝图像数据进行特征提取，其中，将特征提取网络中的残差结构分为多组，通过多个滤波器，对输入所述残差结构的导丝图像数据进行特征提取，其中，一个滤波器对一组所述残差结构的导丝图像数据进行特征提取，并将提取的特征图与下一组所述残差结构的导丝图像数据，一起输入到下一个滤波器，进行特征提取，直至每一组残差结构的导丝图像数据全部完成特征提取，将每一组残差结构的导丝图像数据提取的特征图进行张量连接输入到一个1×1的卷积滤波器中，得到融合后的特征图。本发明提高了算法对导丝末端的特征提取能力、检测准确度和鲁棒性。

技术领域

本发明涉及图像识别技术领域，特别是涉及一种基于YOLOV4Tiny网络的导丝末端检测方法。

背景技术

经皮介入手术是通过血管插入导引导丝、在造影透视环境下送至心腔病变处，以获取病灶信息，对病变处进行治疗。手术过程复杂，手术技术难度大。目前进行传统经皮介入手术的难度较大、治疗时间较长，术中使用的造影剂产生的辐射会对医生和患者产生潜在危害。机器人技术的医学应用，为医生提供了导管末端精确的位置信息，减少造影剂的使用量。在介入手术的过程中，使得手术精确度更高，安全性更强。为了实现经皮介入手术中导丝末端的位置精确跟踪，国内外不同机构做了大量研究。美国温彻斯特医疗中心研究部的W.Frumkin等人设计了Amigo远程导航系统，通过荧光图像跟踪和心内膜电图，判断导管末端是否成功到达指定位置，实验证明通过荧光图像跟踪导管末端具有可行性，但须手动操控起搏阈值和心内膜电图。美国威斯康辛大学的Justin A.Borgstadt1等人设计双粒子滤波器，通过荧光立体成像系统和电磁位姿传感器实时定位微创手术中导尿管的位置。但因为导管尖端目标太小，这种方法难以精确定位到导管末端，且此方法非常依赖高精度传感器，易受术中白噪声干扰鲁棒性差。西门子企业研究部Peng Wang等不依赖3D信息，在单视图荧光透视序列中跟踪导丝运动，跟踪精度小于0.4mm，此算法对导丝定位精度较高，但由于导丝尖端活动范围较大，算法难以定位。美国普林斯顿西门子研究中心的AdrianBarbu等人设计一种检测分割曲线模型，真正使用医疗荧光视频跟踪定位导丝末端，跟踪精度达到1mm，实时速度可达1帧/s，算法的精度和实时速度都有可优化空间。伦敦大学Chang等人提出一种基于图像处理的可变形b样条拟合法，较精确的显示导管形状，通过区域概率算法进行拟合，不依赖梯度，增强算法鲁棒性，但是在导丝快速运动时容易漏检。韩国庆北大学的Ihsan Ullah等人提出一种基于卷积神经网络(CNN)的图像跟踪方法，通过检测和分割网络在X光视频序列中实时跟踪导丝末端，实时速度可达19ms，但算法检测的精确度高度依赖之前检测的结果，在上一帧检测失误后，下一帧的检测精度会大幅下降。2020年，Alexey等人提出了YOLOV4目标检测算法。缓解了神经网络中梯度信息消失的问题，增大了网络输入分辨率，使之对小目标的检测更加精准。YOLOV4因为集合了多种模块导致检测速度变慢，难以实时检测。2022年3月，南京航空航天大学严等提出了增加注意机制CA的方法来改进算法，使地面弱小目标检测准确率从42.3％提高到94.6％，速率可达58.8帧/秒。2020年11月，东北大学的蒋等人提出在嵌入式设备上开发YOLOV4Tiny算法用于目标检测。检测速度可以达到294FPS，实时效果很好，但平均检测准确率只能达到38％。

发明内容

为了解决现有技术中导丝末端检测准备率低的技术问题，本发明的一个目的在于提供一种基于YOLOV4Tiny网络的导丝末端检测方法，所述方法包括如下方法步骤：

步骤S1、获取导丝图像数据，

步骤S2、对所述导丝图像数据进行特征提取，其中，将特征提取网络中的残差结构分为多组，通过多个滤波器，对输入所述残差结构的导丝图像数据进行特征提取，

其中，一个滤波器对一组所述残差结构的导丝图像数据进行特征提取，并将提取的特征图与下一组所述残差结构的导丝图像数据，一起输入到下一个滤波器，进行特征提取，直至每一组残差结构的导丝图像数据全部完成特征提取，