基于DDet模型的超声肝脏检测追踪方法
- 国知局
- 2024-11-21 12:07:42
本发明涉及图像处理,尤其涉及基于ddet模型的超声肝脏检测追踪方法。
背景技术:
1、超声成像具有轻便、成本低、非侵入性特点已成为医疗诊断中广泛使用的技术。
2、肝脏作为人体腹部最大的器官时常伴随着疾病的产生,因此肝病的诊治为人们重点关注。
3、由于肝脏的位置会被呼吸运动所影响,在诊治过程中错误的位置纰漏都将产生极大的影响;考虑到超声图像或者视频较严重的噪声干扰,对比度较低等因素,传统的超声肝脏检测和追踪技术往往不够准确,难以准确掌控肝脏呼吸运动的引导,因此迫切需要一种更加先进的检测和追踪技术。
4、公开号为cn102438529a专利,公开一种自动检测医学图像中的病变的方法和系统,但该方法只是通过简单的划分病灶部位颜色深浅,进而使用聚类算法检测病变部位,但检测准确率不高,特别是形状较小的病变部位与正常部位难于区分。
5、文献melanoma detection using deep learning-based classifications提出了一种基于深度学习检测黑色素瘤的方法,利用深度学习方法需要使用大量数据集,再数据样本受限时准确性会受到很大影响,另外,训练样本的增加会影响模型的训练时间。
技术实现思路
1、针对现有方法的不足,本发明解决现有图像检测追踪方法无法完整捕获病变部位以及无法捕获较小病变部位的问题。
2、本发明所采用的技术方案是:基于ddet模型的超声肝脏检测追踪方法包括以下步骤:
3、步骤一、获取超声肝脏视频,并分割为若干图像帧,并对病变区域进行标注;
4、步骤二、构建改进diffusiondet模型,将diffusiondet模型的resnet50特征提取网络替换为mix transformer网络,增强diffusiondet模型的全局注意力;提高病变部位识别能力。
5、作为本发明的一种优选实施方式,对mix transformer网络进行改进,改进mixtransformer包括四个重叠补丁合并和四个transformer块,重叠补丁合并操作分别在四个尺度上进行下采样,transformer块串联高效自注意力和mix-ffn;在两个transformer块之间插入空间感知模块,空间感知模块串联扩张部分卷积与条形池化,并进行残差连接。
6、作为本发明的一种优选实施方式,对diffusiondet模型的原始目标框进行改进,利用最远点采样算法对原始目标框进行扩充得到新目标框。
7、作为本发明的一种优选实施方式,新目标框的计算包括:
8、首先在原始目标框内随机生成若干个点m,采用最远点采样算法进行若干关键点n提取;
9、然后计算新目标框的左下角坐标为(xmin-d1,ymin-d2),右上角坐标(xmax+d1,ymax+d2);xmin=min(x1,x2,...,xn),xmax=max(x1,x2,...,xn),ymin=min(y1,y2,...,yn),ymax=max(y1,y2,...,yn);(xn,yn)为第n个原始目标框内随机点的坐标。
10、作为本发明的一种优选实施方式,改进diffusiondet模型还包括:利用bytetrack框架替换diffusiondet模型中的yolox框架。
11、作为本发明的一种优选实施方式,对bytetrack框架的自适应阈值进行改进,改进的自适应阈值公式:
12、
13、其中,αf为固定值,sdet为检测框的置信度,操作增大了置信度的影响。
14、作为本发明的一种优选实施方式,基于ddet模型的超声肝脏检测追踪系统,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ddet模型的超声肝脏检测追踪方法。
15、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ddet模型的超声肝脏检测追踪方法。
16、本发明的有益效果:
17、1、利用最远点采样算法对原始目标框的位置与大小进行改进,使得目标框能够更准确的反映肝脏病变位置,检测出肝脏的病变部位更加准确和灵敏;
18、2、对bytetrack框架的自适应阈值进行改进,在动态移动探头时,目标框能实时准确的跟随检测出的病变部位移动,提高模型追踪病变部位的效率;
19、3、增强模型的空间感知能力,使得模型能更细致的检测出肝脏超声图像中的病变部位;提升模型检测病变部位和跟踪病变部位的精度与效率。
技术特征:1.基于ddet模型的超声肝脏检测追踪方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于ddet模型的超声肝脏检测追踪方法,其特征在于,对mixtransformer网络进行改进,包括四个重叠补丁合并和四个transformer块,重叠补丁合并操作分别在四个尺度上进行下采样,transformer块串联高效自注意力和mix-ffn;在两个transformer块之间插入空间感知模块,空间感知模块串联扩张部分卷积与条形池化,并进行残差连接。
3.根据权利要求2所述的基于ddet模型的超声肝脏检测追踪方法,其特征在于,对diffusiondet模型的原始目标框进行改进,利用最远点采样算法对原始目标框进行扩充得到新目标框。
4.根据权利要求3所述的基于ddet模型的超声肝脏检测追踪方法,其特征在于,新目标框的计算包括:
5.根据权利要求1所述的基于ddet模型的超声肝脏检测追踪方法,其特征在于,改进diffusiondet模型还包括:利用bytetrack框架替换diffusiondet模型中的yolox框架。
6.根据权利要求5所述的基于ddet模型的超声肝脏检测追踪方法,其特征在于,对bytetrack框架的自适应阈值进行改进,改进的自适应阈值公式:
7.基于ddet模型的超声肝脏检测追踪系统,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1-6任一项所述的基于ddet模型的超声肝脏检测追踪方法。
8.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1-6任一项所述的基于ddet模型的超声肝脏检测追踪方法。
技术总结本发明涉及图像处理技术领域,尤其涉及基于DDet模型的超声肝脏检测追踪方法,包括获取超声肝脏视频,并分割为若干图像帧,并对病变区域进行标注;构建改进DiffusionDet模型,将DiffusionDet模型的ResNet50特征提取网络替换为Mix Transformer网络,增强DiffusionDet模型的全局注意力;提高病变部位识别能力。本发明解决现有图像检测追踪方法无法完整捕获病变部位以及无法捕获较小病变部位的问题。技术研发人员:张晨,毕卉,蔡成杰,熊宇豪,郑伊能,柴慈曼受保护的技术使用者:常州大学技术研发日:技术公布日:2024/11/18本文地址:https://www.jishuxx.com/zhuanli/20241120/334487.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表