[发明专利]DR图像身体部位识别方法、装置、设备及可读存储介质

权利要求书

1.一种DR图像身体部位识别方法，其特征在于，所述方法应用于DR系统的预曝光阶段和/或正式曝光阶段，包括：

通过DenseNet网络构建神经网络模型；

对所述神经网络模型进行训练，得到训练好的神经网络模型；

获取待识别DR图像；

对所述待识别DR图像进行预处理；

将预处理后的待识别DR图像输入训练好的神经网络模型进行身体部位识别，输出识别结果；

所述对所述待识别DR图像进行预处理，包括：

获取所述待识别DR图像的待识别区域；

对所述待识别区域进行归一化处理；

对归一化处理后的待识别区域进行数据增强处理，输出所述预处理后的待识别DR图像；

所述获取所述待识别DR图像的待识别区域，包括：

获取所述待识别DR图像的感兴趣区域；按照所述待识别DR图像的高、宽各1/4至3/4的区间对所述待识别DR图像进行裁切，得到所述感兴趣区域；

对所述感兴趣区域进行N等分，得到N个等分区域；

分别对每个等分区域取最大灰度值和最小灰度值；

对所有最大灰度值求取平均值E，并对所有最小灰度值求取平均值F；

将区间[F,E]作为窗宽，并将(E+F)/2作为窗位，对所述感兴趣区域进行窗宽窗位变换，得到第一图像；

将所述第一图像输入unet网络进行特征提取，输出第二图像；

对所述第二图像进行窗宽窗位变换，得到第三图像，将所述第三图像作为所述待识别区域；

在所述将预处理后的待识别DR图像输入训练好的神经网络模型进行身体部位识别，输出识别结果之后，还包括：

若所述识别结果与预设部位不同，则生成告警信息。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型中当前网络层的输出的计算公式为：

h_θ(x)＝θ₀+θ₁x₁+θ₂x₂+…+θ_nx_n；

激活函数的公式为：

f(x)＝max(0,x)。

3.根据权利要求2所述的方法，其特征在于，所述对所述神经网络模型进行训练，得到训练好的神经网络模型，包括：

获取训练集；

将所述训练集输入所述神经网络模型；

构建损失函数；

利用梯度下降算法对所述神经网络模型的网络节点参数进行优化，使所述损失函数的值最小，得到最优的网络节点参数；

利用所述最优的网络节点参数更新所述神经网络模型，得到所述训练好的神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述损失函数的公式为：

式中，m为训练集中数据个数，h_θ(x)为预测输出，y为实际输出。