[发明专利]一种宫颈病变区域检测方法

权利要求书

1.一种宫颈病变区域检测方法，其特征在于：所述方法包括如下步骤：

步骤S10、通过阴道镜拍摄宫颈图像并发送至计算机；

步骤S20、对接收的图像进行预处理；

步骤S30、利用区域候选网络在经过预处理的图像上选取候选区域；

步骤S40、利用归一化指数函数对候选区域进行回归计算，进而对宫颈病变区域进行标定。

2.如权利要求1所述的一种宫颈病变区域检测方法，其特征在于：所述步骤S20具体包括：

步骤S21、对接收的图像进行归一化处理；

步骤S22、从归一化处理后的图像中提取深度特征。

3.如权利要求2所述的一种宫颈病变区域检测方法，其特征在于：所述步骤S21具体包括：

步骤S211、将接收的图像缩放成大小为N*N的RGB图像，其中N＞0；

步骤S212、通过标准数据集制作软件，对缩放后的RGB图像进行宫颈病变区域标注；

步骤S213、将标注的图像输入卷积神经网络创建训练模型。

4.如权利要求3所述的一种宫颈病变区域检测方法，其特征在于：所述步骤S22具体包括：

步骤S221、选取所述训练模型的浅层特征作为病变区域的分类依据；

步骤S222、对所述训练模型提取深度特征：

其中表示将卷积神经网络内所有残差模块产生的特征映射作为输入，W^L和W^L-1依次表示两个3×3的卷积权值矩阵，BN()表示对卷积神经网络每个隐藏层的输出数据进行归一化处理，f()表示ReLU激活函数，表示卷积神经网络的卷积操作；

步骤S223、通过Squeeze操作的全局平局池化，对卷积操作后的深度特征进行压缩，使得C个特征层压缩为1*1*C的实数数列：

其中C表示特征层的通道数，W表示特征层的宽，H表示特征层的高，u_c表示特征层通道，i,j为正整数，F_sq()表示Squeeze操作；

步骤S224、通过Excitation操作将Z_c作为特征层的权重对每层的深度特征进行重分配：

F_ex(Z_c,W)＝σ(W₂δ(W₁Z_c))，其中F_ex()表示Excitation操作，δ表示ReLU激活函数，W₁表示第一次全连接产生的参数，W₂表示第二次全连接产生的参数。

5.如权利要求1所述的一种宫颈病变区域检测方法，其特征在于：所述步骤S30具体包括：

步骤S31、将一任意尺度图像输入区域候选网络；

步骤S32、所述任意尺度图像利用卷积神经网络的卷积共享层产生特征图；

步骤S33、在所述特征图上进行多尺度卷积操作选取候选区域，并给每个候选区域分配一用于标注是否是病变区域的二进制标签；

步骤S34、区域候选网络输出候选区域的集合。

6.如权利要求5所述的一种宫颈病变区域检测方法，其特征在于：所述步骤S33具体包括：

步骤S331、创建一在特征图上随机滑动进行选择特征的滑动窗口；

步骤S332、以所述滑动窗口的中心为中心，使用3种尺度和3种长宽比在特征图上映射9种不同尺度的候选区域；

步骤S333、给每个候选区域分配一用于标注是否是病变区域的二进制标签；

步骤S334、判断候选区域与目标区域的IOU交叠比例，若≥70％，则将所述二进制标签设为正数；若≤30％，则将所述二进制标签设为负数；其余舍弃。