[发明专利]一种钡餐造影图像的食道癌检测方法及系统

权利要求书

1.一种钡餐造影图像的食道癌检测方法，其特征在于，包括：

获取待检测的食道的钡餐造影图像；

根据经训练的目标检测模型对所述钡餐造影图像进行病灶区域检测；

其中，所述目标检测模型采用改进的区域卷积神经网络Faster R-CNN，所述改进的Faster R-CNN网络的基础网络由携带注意力机制的卷积神经网络构成；以及，根据所述基础网络获取所述钡餐造影图像的特征图，通过所述注意力机制增强所述特征图的特征显著性；根据所述特征图生成所述钡餐造影图像的感兴趣区域及所述感兴趣区域的特征向量，根据所述感兴趣区域的特征向量得到病灶区域的检测信息。

2.根据权利要求1所述的钡餐造影图像的食道癌检测方法，其特征在于，所述根据经训练的目标检测模型对所述钡餐造影图像进行病灶区域检测，包括：

所述目标检测模型根据食道癌病灶的特征对所述钡餐造影图像进行病灶区域检测，所述食道癌病灶的特征包括食道在显影剂的作用下呈现近似垂直方向的带状高亮度区域中形成狭窄。

3.根据权利要求1所述的钡餐造影图像的食道癌检测方法，其特征在于：

所述注意力机制为卷积注意力模块CBAM。

4.根据权利要求3所述的钡餐造影图像的食道癌检测方法，其特征在于：

所述基础网络包括多个块，从中选择至少一个目标块，在所述目标块之后加入所述卷积注意力模块CBAM。

5.根据权利要求4所述的钡餐造影图像的食道癌检测方法，其特征在于：

所述基础网络包括5个依次级联的块，分别为第一块、第二块、第三块、第四块和第五块；所述第一块包括两个由64个3×3卷积核构成的卷积层和一个2×2的最大池化层，输出300×300×64的特征图；所述第二块包括两个由128个3×3卷积核构成的卷积层和一个2×2的最大池化层，输出150×150×128的特征图；所述第三块包括三个由256个3×3卷积核构成的卷积层和一个2×2的最大池化层，输出75×75×256的特征图；所述第四块包括三个由512个3×3卷积核构成的卷积层和一个2×2的最大池化层，输出38×38×512的特征图；所述第五块包括三个由512个3×3卷积核构成的卷积层，输出38×38×512的特征图。

6.根据权利要求1所述的钡餐造影图像的食道癌检测方法，其特征在于：

在训练所述目标检测模型之前，对困难样本实施仿射变换，将仿射变换后的样本与原始训练样本合并构成第一训练样本，对所述第一训练样本采用水平翻转和垂直翻转的图像增强策略得到第二训练样本，所述第一训练样本和所述第二训练样本构成训练样本集。

7.根据权利要求1所述的钡餐造影图像的食道癌检测方法，其特征在于：

所述获取待检测的食道的钡餐造影图像包括：获取同一病患一个体位的多幅待检测的钡餐造影图像；

所述根据经训练的目标检测模型对所述钡餐造影图像进行病灶区域检测包括：

采用所述目标检测模型对每幅钡餐造影图像进行病灶区域检测，得到对应的检测结果，所述检测结果包括候选病灶区域的置信度和位置信息；

对同一病患所述体位的多幅钡餐造影图像的检测结果进行融合，得到所述病患的病灶区域的检测信息。

8.根据权利要求7所述的钡餐造影图像的食道癌检测方法，其特征在于，所述对同一病患所述体位的多幅钡餐造影图像的检测结果进行融合，得到所述病患的病灶区域的检测信息，具体包括：

根据候选病灶区域的重叠情况对每幅钡餐造影图像的检测结果中的冗余病灶区域进行剔除处理；

根据剩下的候选病灶区域的位置信息，获得每个候选病灶区域的相似数；

获取具有最大相似数的候选病灶区域；

根据所述具有最大相似数的候选病灶区域的位置信息和置信度，得到所述体位的检测结果；

根据所述体位的检测结果得到所述病患的病灶区域的检测信息。