[发明专利]一种脑部疾病检测方法及装置

权利要求书

1.一种脑部疾病检测方法，其特征在于，具有如下步骤：

S1、对于患者的脑部CT图像进行修复网络与疾病监测网络的数据集制作；

S2、将脑部CT图像输入GAN网络进行分辨率提升；

S3、将步骤S3输出的高分辨率图片输入Cascade RCNN检测网络进行病变检测的训练；

S4、将训练好的模型，进行测试。

2.根据权利要求1所述的一种脑部疾病检测方法，其特征在于，在步骤S1中，进一步包括：

S1-1、制作图像修复数据集，采集CT设备的高分辨率图像；

S1-2、基于高分辨率CT图像，采用python中的opencv算法库，通过高斯模糊和双三次插值进行低分辨率的图像制作；

S1-3、高分辨率CT图像与低分辨率CT图像进行训练集与测试集的划分；

S1-4、医疗人员对高分辨率图像进行数据标注，标注出存在疾病的位置，之后按照一定比例进行训练集与测试集划分。

3.根据权利要求2所述的一种脑部疾病检测方法，其特征在于，在步骤S2中，进一步包括：

S2-1、使用SRGAN网络，包含生成器网络与判别器网络；

S2-2、构建ESGRAN网络的生成器；

S2-3、构建ESRGAN网络的判别器；

S2-4、保存最优模型。

4.根据权利要求3所述的一种脑部疾病检测方法，其特征在于，在步骤S2-2中，生成器网络，通过学习训练集中高分辨率CT图像x_real，在判别器引导下生成相似数据x_fake，生成器损失函数L_G如下：

L_G＝-E_xr[log(1-D(x_real，x_fake))]-E_xf[log(D(x_fake，x_real))]。

5.根据权利要求4所述的一种脑部疾病检测方法，其特征在于，在步骤S2-3中，判别器网络区分输入的数据是否为真实高分辨率图片x_real还是生成器输出的假数据x_fake，并反馈给生成器。其判别器损失函数L_D如下：

L_D＝-E_xr[log(1-D(x_real，x_fake))]-E_xf[log(D(x_fake，x_real))]。

6.根据权利要求5所述的一种脑部疾病检测方法，其特征在于，在步骤S2-4中，两个网络交替训练，观察损失，直到生成网络生成的数据能够以假乱真，并与判别网络的能力达到一定均衡，保存此时的最优模型。

7.根据权利要求6所述的一种脑部疾病检测方法，其特征在于，在步骤S3中，进一步包括：

S3-1、将CT图像的训练集输入Cascade RCNN中的ResNet50主干网络进行特征图提取；

S3-2、通过RPN网络对步骤S3-1中提取的特征图进行候选框预测；

S3-3、最后通过RoI检测子网络对步骤S3-1的候选框进行类别预测与检测框回归预测，通过与真实标签对比，计算损失；

S3-4、保存训练过程中在测试集表现最优的检测模型作为实际测试模型。