基于改进YOLOv9和双流网络的结节检测方法

本发明涉及图像处理，尤其涉及基于改进yolov9和双流网络的结节检测方法。

背景技术：

1、甲状腺ti-rads是一种用于评估甲状腺结节的分级系统，旨在帮助医生确定结节的恶性概率，指导临床决策和管理。ti-rads系统将结节分为tr1-tr5五个分险等级，每个等级对应不同的恶性风险。

2、利用深度学习模型的出现为甲状腺结节的检测和识别提供了新的方法，有利于提升检测和识别的效率。

3、公开号为cn 113421228a专利采用vgg16模型对甲状腺结节进行识别，但是没有对甲状腺结节的位置进行检测。

4、公开号为cn112206006a专利设计了一种自主评估甲状腺结节良恶性的智能辅助识别设备，该设备只对良恶性进行了分类没有进行更加细致的五级分类。

5、王蕃等人的基于子网注意力和尺度注意力甲状腺结节预测方法，只对甲状腺结节的等级进行了分类，并未对甲状腺的位置进行检测。

技术实现思路

1、针对现有方法的不足，本发明利用改进的yolov9模型对结节进行定位检测；利用双流识别模块对甲状腺结节的分险等级进行评估。

2、本发明所采用的技术方案是：基于改进yolov9和双流网络的结节检测方法包括以下步骤：

3、步骤一、获取超声甲状腺结节图像，并标注结节位置和划分若干等级；

4、作为本发明的一种优选实施方式，超声甲状腺结节的等级按照ti-rads标准划分。

5、步骤二、将图像输入去噪模块，得到去噪后的特征图；

6、作为本发明的一种优选实施方式，去噪模块包括：

7、将空间域核和值域核相乘得到边缘保留滤波模版；利用边缘保留滤波模版对原始图像进行卷积和中值滤波，并利用固定滑窗对窗口中的像素的灰度值进行排序后取中位数，作为窗口中的像素的新灰度值。

8、步骤三、将去噪后的特征图输入yolov9模型，进行结节位置检测得到结节检测框图像，利用双流网络模块对去噪后的图像和结节检测框图像进行特征提取，得到原图特征图和结节特征提取图，并利用特征融合模块将原图特征图和结节特征提取图进行特征融合，经过分类模块后输出结节的等级。

9、作为本发明的一种优选实施方式，将yolov9模型的backbone网络repncspelan4中的conv模块替换为akconv模块。

10、作为本发明的一种优选实施方式，在yolov9模型的backbone网络的最后一个repncspelan4与neck网络的sppelan之间添加sge模块。

11、作为本发明的一种优选实施方式，特征融合的公式为：

12、x＝relu(concat(xori，xdot))   (10)

13、其中，xori代表原始图像特征提取后得到的特征图，xdet代表检测框图像特征提取后的特征图。

14、作为本发明的一种优选实施方式，分类模块包括一个自适应平均池化层和一个全连接层。

15、作为本发明的一种优选实施方式，基于改进yolov9和双流网络的结节检测系统，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现基于改进yolov9和双流网络的结节检测方法。

16、作为本发明的一种优选实施方式，存储有计算机程序代码的计算机可读介质，计算机程序代码在由处理器执行时实现基于改进yolov9和双流网络的结节检测方法。

17、本发明的有益效果：

18、1、对yolov9模型进行改进，将akconv替换repncspelan4中的conv模块，允许卷积核具有任意数量的参数和采样形状，有助于对不同大小和形状的甲状腺结节进行更加精准的检测；

19、2、主干网络和neck网络之间引入sge模块，通过生成注意力因子来调整每个子特征的强度，有效抑制噪声；

20、3、设计基于空间域核和值域核的中值滤波器，对超声甲状腺结节图像进行平滑的同时又保留边界信息；

21、4、构建特征融合模块，将原始图像特征和yolov9模型特征进行残差融合。

技术特征：

1.基于改进yolov9和双流网络的结节检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进yolov9和双流网络的结节检测方法，其特征在于，去噪模块包括：

3.根据权利要求1所述的基于改进yolov9和双流网络的结节检测方法，其特征在于，将yolov9模型的backbone网络repncspelan4中的conv模块替换为akconv模块。

4.根据权利要求1所述的基于改进yolov9和双流网络的结节检测方法，其特征在于，在yolov9模型的backbone网络的最后一个repncspelan4与neck网络的sppelan之间添加sge模块。

5.根据权利要求1所述的基于改进yolov9和双流网络的结节检测方法，其特征在于，特征融合的公式为：

6.根据权利要求1所述的基于改进yolov9和双流网络的结节检测方法，其特征在于，分类模块包括一个自适应平均池化层和一个全连接层。

7.根据权利要求1所述的基于改进yolov9和双流网络的结节检测方法，其特征在于，超声甲状腺结节的等级按照ti-rads标准划分。

8.基于改进yolov9和双流网络的结节检测系统，其特征在于，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现如权利要求1-7任一项所述的基于改进yolov9和双流网络的结节检测方法。

9.存储有计算机程序代码的计算机可读介质，其特征在于，计算机程序代码在由处理器执行时实现如权利要求1-7任一项所述的基于改进yolov9和双流网络的结节检测方法。

技术总结本发明涉及图像处理技术领域，尤其涉及基于改进YOLOv9和双流网络的结节检测方法，包括获取超声甲状腺结节图像，并标注结节位置和划分若干等级；将图像输入去噪模块，得到去噪后的图像；将去噪后的图像输入YOLOv9模型，进行结节位置检测，得到结节检测框图像；并利用双流网络模块中的结节图提取模块和原图提取模块进行特征提取，得到原图特征图和结节特征提取图，并利用特征融合模块将原图特征图和结节特征提取图进行特征融合，经过分类模块后输出结节的等级。本发明利用改进的YOLOv9模型对结节进行定位检测；利用双流识别模块对甲状腺结节的分险等级进行评估。技术研发人员：毕卉,王蕃,熊宇豪,吕继东,邹凌受保护的技术使用者：常州大学技术研发日：技术公布日：2024/10/17