[发明专利]基于卷积神经网络的CT图像目标检测方法、装置及设备

说明书

本发明涉及一种基于卷积神经网络的CT图像目标检测方法、装置及设备，属于图像目标检测技术领域，基于卷积神经网络的CT图像目标检测方法、装置及设备通过获取目标患者的CT图像；将CT图像输入至预设CT图像目标检测模型中，得到CT图像中的目标区域及目标区域的类别。通过预先设置CT图像目标检测模型，在CT图像目标检测模型中设置注意力机制模块，对特征图中的不同通道分配不同的权重，提取特征图中的有用新型，提升CT图像的目标检测成功率。

技术领域

本发明属于图像目标检测技术领域，具体涉及一种基于卷积神经网络的CT图像目标检测方法、装置及设备。

背景技术

医疗图像在临床诊断中具有重要意义。以CT(Computed Tomography，电子计算机断层扫描)图像为例，医生往往通过CT图像判断疑似患者有无病情以及病情的严重程度。很多病种如果在早期被诊断发现，则会有更大的机会得到有效的治疗，提高患者的生存率。但是，根据CT图像进行病情诊断的准确率非常依赖医生经验，在大多数情况下，医生需要通过肉眼去识别，难度较大，而且不同的医生可能给出不同的预测。

为了解决该问题，相关技术中，通常采用计算机辅助诊断技术(Computer AidedDiagnosis，CAD)对CT图像进行自动处理，可以实现在CT图像上框出疑似病灶的空间位置，提供给医师参考。

但是，目前的计算机辅助诊断技术有数据集不具有普遍性，算法之间难以对比，检测的准确率低，假阳性率高，难以大范围应用于临床诊断等。因此，如何提高CT图像的目标检测成功率成为现有技术中亟待解决的技术问题。

发明内容

本发明提供了一种基于卷积神经网络的CT图像目标检测方法、装置及设备，以解决CT图像的目标检测成功率较低的技术问题。

本发明提供的技术方案如下：

一方面，一种基于卷积神经网络的CT图像目标检测方法，包括：

获取目标患者的CT图像；

将所述CT图像输入至预设CT图像目标检测模型中，得到所述CT图像中的目标区域及所述目标区域的类别。

可选的，所述预设CT图像目标检测模型的构建方法，包括：

基于SSD模型，在所述SSD模型的特征输出层设置注意力机制模块；

所述特征输出层用于输出特征图；

所述注意力机制模块对所述特征图的不同通道分配不同的权重。

可选的，所述预设CT图像目标检测模型，包括：特征输出层模块和检测匹配模块；

所述特征输出层模块，包括多个特征输出层；

所述检测匹配模块，接收所述特征输出层输出的特征图，和，通过所述注意力机制模块调整权重的调整特征图，并根据所述特征图和所述调整特征图生成检测框便宜了和类别标签，确定CT图像中的目标区域及所述目标区域的类别。

可选的，所述将所述CT图像输入至预设CT图像目标检测模型中，得到所述CT图像中的目标区域及所述目标区域的类别，包括：

提取第一预设特征输出层输出的特征图；以及，通过注意力机制模块获取第二预设特征输出层的特征图；所述第二预设特征输出层属于所述第一预设特征输出层；

使用每一层的先验框对特征输出层信息进行提取；

通过定位器根据每一个先验框信息生成检测框偏移量；

通过分类器根据每一个先验框信息生成类别标签；

剔除类别标签为背景的先验框，消除冗余先验框；

得到所述CT图像中的目标区域及所述目标区域的类别。