一种基于检测指导的骨科病灶计数网络的标注方法及系统
文献发布时间:2023-06-19 12:10:19
技术领域
本发明涉及人工智能深度学习技术领域,尤其涉及一种基于检测指导的骨科病灶计数网络的标注方法及系统。
背景技术
CT、MR、PFT、超声、X光等医疗成像技术在疾病的早期检测、诊断、治疗方面起着重要作用。近年来,随着深度学习技术的不断发展,计算机辅助诊断技术也在不断更新换代。但由于目前计数网络存在较大误差,对病灶进行精确计数的任务仍由专业医生完成。
通过上述分析,现有技术存在的问题及缺陷为:
对计数网络而言,标注的是目标密度图,标注难度大,时间成本高,如何获得真实的标注非常重要。目前常见的标注方法是打点计数法,通过标记目标位置,并在目标上直接生成圆形高斯分布作为标注。该方法对于形状不规则、特征分布不均匀的目标较难生成真实的目标密度图。
发明内容
基于以上研究,本发明提供一种能提高网络计数能力的标注方法及系统,
本发明是这样实现的,一种能提高网络计数能力的标注方法,包含以下步骤:
步骤1:将特定场景的关键点标注的骨科病灶图像处理后送入检测网络,根据网络提取的特征构建热力图,其具体包括:
步骤101:对大小为(W
步骤102:根据每一个病灶的关键点生成最小外接矩形b,作为骨科病灶检测的标注,训练检测网络f
步骤103:将图像送入训练好的检测网络f
步骤104:对所有特征点的值使用sigmoid函数进行归一化操作得到热力图m
步骤2:基于热力图的指导,生成需要标注的关键矩形区域,其具体包括:
步骤201:设置阈值p对热力图m
步骤202:取热力图m
步骤3:根据关键矩形区域的倾角,生成对应角度的倾斜高斯分布,具体为:
计算关键区域c的长边对图像水平方向的倾角θ,关键区域c的中心(x
进一步地,上述倾斜归一化高斯分布的公式为:
进一步地,根据拉伊达准则(3σ准则),上述公式中的σ
步骤4:将热力图中所有关键区域的归一化高斯分布叠加,得到计数网络的标注结果。
本发明的另一目的在于提供一种基于检测指导的骨科病灶计数网络的标注系统,包括:
热力图图像获取模块,用于将特定场景的关键点标注的骨科病灶图像处理后送入检测网络,根据网络提取的特征构建热力图;
关键矩形区域图像获取模块,用于基于热力图图像获取模块获取的热力图,生成需要标注的关键矩形区域;
高斯分布信息获取模块,用于根据关键矩形区域的倾角,生成对应角度的倾斜高斯分布;
标注结果信息获取模块,用于将热力图中所有关键区域的归一化高斯分布叠加,得到计数网络的标注结果。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述的骨科病灶计数网络的标注方法。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
S1、将特定场景的关键点标注的骨科病灶图像处理后送入检测网络,根据网络提取的特征构建热力图;
S2、基于热力图的指导,生成需要标注的关键矩形区域;
S3、根据关键矩形区域的倾角,生成对应角度的倾斜高斯分布;
S4、将热力图中所有关键区域的归一化高斯分布叠加,得到计数网络的标注结果。
本发明的另一目的在于提供一种数据信息处理终端,所述数据信息处理终端包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述的骨科病灶计数网络的标注方法。
本发明的另一目的在于提供一种CT、超声、MR、PFT、X光医疗成像设备,搭载所述的基于检测指导的骨科病灶计数网络的标注系统,并实施所述的骨科病灶计数网络的标注方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过检测网络提取了图像的稳健特征,并利用倾斜高斯分布拟合,在特定场景下大大提高了图像特征的有效利用率,得到了更为真实的目标密度图。由此生成计数网络的标注,提高了计数网络的准确率。
附图说明
图1是本发明实施例提供的基于检测指导的骨科病灶计数网络的标注方法流程图。
图2是本发明实施例提供的利用神经网络生成热力图的过程示意图。
图3是本发明实施例提供的输入图像的变化示意图。
图中(1).关键点标注图像生成外接矩形示意图,(2).热力图示意图,(3).分割热力图所得连通域示意图,(4).取(1)(3)交集示意图,(5).关键区域示意图,(6).本方法所得标注示意图。
图4是本发明实施例提供的基于检测指导的骨科病灶计数网络的标注系统示意图。
图中:1、热力图图像获取模块;2、关键矩形区域图像获取模块;3、高斯分布信息获取模块;4、标注结果信息获取模块。
具体实施方式
下面结合实施例及附图对本发明做进一步详细的描述。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合具体实施例及附图对本发明作进一步描述。
实施例
如图1所示,一种基于检测指导的骨科病灶计数网络的标注方法,包括以下步骤:
步骤1:将特定场景的关键点标注的骨科病灶图像处理后送入检测网络,根据网络提取的特征构建热力图;
步骤2:基于热力图的指导,生成需要标注的关键矩形区域;
步骤3:根据关键矩形区域的倾角,生成对应角度的倾斜高斯分布;
步骤4:将热力图中所有关键区域的归一化高斯分布叠加,得到计数网络的标注结果。
首先,对大小为(W
上述检测网络f
接着,如图3所示,设置阈值p对热力图m
之后,取热力图m
接着,对交集的所有独立区域取其最小外接矩,作为关键区域c,即特征稳健区域,如图3-(5)。将c作为计数任务标签。
如图3-(6)所示,计算关键区域c的长边对图像水平方向的倾角θ,关键区域c的中心(x
在本发明一优选实施例中,上述倾斜归一化高斯分布的公式为:
进一步地,根据拉伊达准则(3σ准则),上述公式中的σ
本发明的优势在于所设计的标注流程,提高了计数网络标注的真实性,同时方法简洁,易于操作,应用性强。
如图4所示,本发明提供一种基于检测指导的骨科病灶计数网络的标注系统,包括:
热力图图像获取模块1,用于将特定场景的关键点标注的骨科病灶图像处理后送入检测网络,根据网络提取的特征构建热力图;
关键矩形区域图像获取模块2,用于基于热力图图像获取模块获取的热力图,生成需要标注的关键矩形区域;
高斯分布信息获取模块3,用于根据关键矩形区域的倾角,生成对应角度的倾斜高斯分布;
标注结果信息获取模块4,用于将热力图中所有关键区域的归一化高斯分布叠加,得到计数网络的标注结果。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
- 一种基于检测指导的骨科病灶计数网络的标注方法及系统
- 一种基于检测指导的骨科病灶计数方法及系统