[发明专利]一种基于检测指导的骨科病灶计数方法及系统

说明书

本发明属于人工智能技术领域，公开了一种基于检测指导的骨科病灶计数方法及系统，提取图像的边缘特征作为网络输入的第四通道，并行执行病灶检测与计数任务；检测任务生成疑似目标区域，计数任务生成特征值热力图；在检测区域内求热力图的值之和，根据区域内热力图之和与检测得分的乘积，增加检测类别目标计数值。本发明通过检测网络提取了目标的包围框，在更加精确的范围内统计目标的数量，在特定场景下大大提高了图像特征的有效利用率，使得计数更准确。

技术领域

本发明属于人工智能技术领域，尤其涉及一种基于检测指导的骨科病灶计数方法及系统。

背景技术

目前：CT、MR、PET、超声、X光等医疗成像技术在疾病额早期检测、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目前仍由专业的医生完成。

目前，常规的计数网络通过输出目标密度图的方式回归目标数量，无类别信息，导致病灶间计数混淆。常用的检测网络，对目标产生具有类别的信息的包围框，然而病灶成像小，密度大，检测难度高，漏检频率高。

通过上述分析，现有技术存在的问题及缺陷为：

(1)常规的计数网络无类别信息，导致病灶间计数混淆，存在较大误差。

(2)常用的检测网络的病灶成像小，密度大，检测难度高，漏检频率高。

解决以上问题及缺陷的难度为：

计数网络通常基于热力图回归的方式，回归目标数量，常见的基于高斯函数设计的标记区域无类别信息。同时，病灶间易存在相互遮挡，导致病灶间的计数混淆。

检测网络使用统一的标签匹配方案对目标匹配标签，交并比(推荐区域与真值的包围区域的交集与并集的比例)大于固定阈值(常设置为0.7)为正样本，小于固定阈值(常设置为0.3)为负样本，基于以上机制，对成像面积不同的病灶会造成不同的影响，对于病灶成像小，密度大特性，匹配的正样本少，导致正负样本不均衡，损害网络性能，造成漏检频率高。

解决以上问题及缺陷的意义为：

检测算法检测出粗糙的区域，在精确区域内进行计数，抑制无关信息干扰。提高计数准确度，同时获得计数类别。提高病灶计数准确度，辅助医生给出精确计数识别结果。

对于低年资医生来说，解决以上问题可以辅助修正低年资医生的阅片准确度。医生阅片速度为10-20秒/片，连续工作10小时，阅片效率降低30％，对于高年资医生来说，解决以上问题可以提高高年资医生的阅片效率，缓解医疗资源压力。

发明内容

针对现有技术存在的问题，本发明提供了一种基于检测指导的骨科病灶计数方法及系统。

一种基于检测指导的骨科病灶计数方法包括：

步骤一，提取图像的边缘特征作为网络输入的第四通道，并行执行病灶检测与计数任务；

步骤二，检测任务生成疑似目标区域，计数任务生成特征值热力图；

步骤三，在检测区域内求特征值之和，根据区域内特征值之和与检测得分的乘积，增加检测类别目标计数值。

进一步，所述步骤一具体包括：

使用拉普拉斯函数处理原始图像，得到图像边缘成像，作为第四通道与原始图像(RGB图像)拼接在一起，记作M_1；

将M_1作为网络的初始输入送入特征提取网络f_1；

提取后的特征被并行送入检测网络f_2与计数网络f_3。

进一步，所述步骤二具体包括：