一种医疗图像小目标检测方法、装置及电子设备

本发明涉及图像检测，尤其涉及一种医疗图像小目标检测方法、装置及电子设备。

背景技术：

1、机器学习，深度学习等技术在计算机视觉领域也发挥着越来越重要的作用。目标检测作为计算机视觉领域的一个重要研究方向，在飞速发展的同时，也面临着一些问题，在小目标的检测任务上就有着一定的难题需要解决。

2、在医学图像处理中，部分医疗图像中包含一些较小的目标，例如一些医疗治疗点，或者一些尺寸较小的医疗工具。在对这类医疗图像进行图像处理时，小目标的检测任务有着较多的干扰因素，存在着图片难以采集，目标区域难以区分，背景与目标太接近，目标区域太小等各种因素，给检测任务带来了一定的难度，影响检测的结果。

3、对于现有的相关技术中存在的对医疗图像的检测精确度较低的问题，目前还没有较好的解决方案。

技术实现思路

1、本发明提供一种医疗图像小目标检测方法、装置及电子设备，用以解决现有技术中存在的对医疗图像的检测精确度较低的缺陷。

2、第一个方面，本发明提供一种医疗图像小目标检测方法，包括：

3、获取待测图像；所述待测图像中包含医疗治疗点和/或医疗工具；

4、将所述待测图像输入至预先训练后的图像检测模型进行检测，得到图像检测结果；所述图像检测模型包括backbone结构和head结构，其中，所述backbone结构中预先配置有注意力机制，所述head结构中预先配置有p2检测头。

5、根据本发明提供的一种医疗图像小目标检测方法，将所述待测图像输入至预先训练后的图像检测模型进行检测之前，包括：

6、对所述待测图像进行图像裁剪，调整所述待测图像的图像尺寸。

7、根据本发明提供的一种医疗图像小目标检测方法，所述图像检测模型包括c2f结构，sppf结构、conv结构、concat结构和上采样结构。

8、根据本发明提供的一种医疗图像小目标检测方法，对所述图像检测模型进行训练，包括：

9、获取样本图片集；所述样本图片集包括若干样本图片，所述样本图片中包含医疗治疗点和医疗工具；

10、以最小化所述图像检测模型的模型损失为目标，通过所述样本图片集对所述图像检测模型进行训练。

11、根据本发明提供的一种医疗图像小目标检测方法，通过所述样本图片集对所述图像检测模型进行训练之前，包括：

12、通过标注框对所述样本图片中的医疗治疗点和医疗工具进行标注。

13、根据本发明提供的一种医疗图像小目标检测方法，通过标注框对所述样本图片中的医疗治疗点和医疗工具进行标注，包括：

14、采用圆形标注框对所述样本图片中的医疗治疗点进行标注。

15、根据本发明提供的一种医疗图像小目标检测方法，通过所述样本图片集对所述图像检测模型进行训练之前，还包括：

16、对标注后的所述样本图片进行文件格式调整。

17、根据本发明提供的一种医疗图像小目标检测方法，对所述图像检测模型进行训练，包括：

18、设置所述图像检测模型的训练参数；

19、所述训练参数包括出示学习率、动量、权重衰减、训练阈值、所述样本图片的图片尺寸，迭代次数以及批处理大小。

20、第二个方面，本发明还提供一种医疗图像小目标检测装置，包括：

21、获取模块，用于获取待测图像；所述待测图像中包含医疗治疗点和/或医疗工具；

22、检测模块，用于将所述待测图像输入至预先训练后的图像检测模型进行检测，得到图像检测结果；所述图像检测模型包括backbone结构和head结构，其中，所述backbone结构中预先配置有注意力机制，所述head结构中预先配置有p2检测头。

23、第三个方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的医疗图像小目标检测方法。

24、第四个方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一个方面所述的医疗图像小目标检测方法。

25、第五个方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一个方面所述的医疗图像小目标检测方法。

26、与现有技术相比，本发明具有以下有益效果：

27、本发明提供的医疗图像小目标检测方法，通过采用配置有p2检测头和注意力机制的图像检测模型对待测图像进行检测识别，其中，通过注意力机制能够增强图像检测模型对待测图像中物体特征信息的提取能力，进而提高图像检测模型对待测图像中小目标特征的提取能力；通过p2检测头，能够增强图像检测模型对小目标信息的挖掘能力，使得图像检测模型对小目标信息的内容理解能力更强。综上，通过本方法，能够有效提高对待测图像中小目标信息的识别和提取效果，解决了现有的相关技术中存在的对医疗图像的检测精确度较低的问题。

技术特征：

1.一种医疗图像小目标检测方法，其特征在于，包括：

2.根据权利要求1所述的医疗图像小目标检测方法，其特征在于，将所述待测图像输入至预先训练后的图像检测模型进行检测之前，包括：

3.根据权利要求1所述的医疗图像小目标检测方法，其特征在于，所述图像检测模型包括c2f结构，sppf结构、conv结构、concat结构和上采样结构。

4.根据权利要求1所述的医疗图像小目标检测方法，其特征在于，对所述图像检测模型进行训练，包括：

5.根据权利要求4所述的医疗图像小目标检测方法，其特征在于，通过所述样本图片集对所述图像检测模型进行训练之前，包括：

6.根据权利要求5所述的医疗图像小目标检测方法，其特征在于，通过标注框对所述样本图片中的医疗治疗点和医疗工具进行标注，包括：

7.根据权利要求6所述的医疗图像小目标检测方法，其特征在于，通过所述样本图片集对所述图像检测模型进行训练之前，还包括：

8.根据权利要求4所述的医疗图像小目标检测方法，其特征在于，对所述图像检测模型进行训练，包括：

9.一种医疗图像小目标检测装置，其特征在于：包括：

10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述的医疗图像小目标检测方法。

技术总结本发明提供一种医疗图像小目标检测方法、装置及电子设备，其中，该医疗图像小目标检测方法包括：获取待测图像；所述待测图像中包含医疗治疗点和/或医疗工具；将所述待测图像输入至预先训练后的图像检测模型进行检测，得到图像检测结果；所述图像检测模型包括Backbone结构和Head结构，其中，所述Backbone结构中预先配置有注意力机制，所述Head结构中预先配置有P2检测头。通过本发明，能够有效提高对待测图像中小目标信息的识别和提取效果，解决了现有的相关技术中存在的对医疗图像的检测精确度较低的问题。技术研发人员：张新晨,赵东方,王伊硕,周发辉,杨依霖,乔馨莉受保护的技术使用者：华中师范大学技术研发日：技术公布日：2024/9/2