[发明专利]一种胸部X光图像病变异常检测方法

权利要求书

1.一种胸部X光图像病变异常检测方法，其特征在于：该方法基于异常检测模型实现，所述异常检测模型包括依次连接的特征提取模块、上下文信息提取模块、位置编码器和transformer网络模型，所述方法包括以下步骤：

将待测图像输入特征提取模块，获得第一特征图；

将所述第一特征图输入上下文信息提取模块，获得富含上下文信息的第二特征图；

将所述第二特征图展开成一维序列，将所述一维序列映射成设定维度的嵌入序列，利用位置编码器在所述嵌入序列中增加位置编码信息；

将增加了位置编码的序列输入transformer网络模型中，输出病变的目标框和病变类型。

2.根据权利要求1所述的方法，其特征在于，所述特征提取模块采用ResNet网络。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一特征图输入上下文信息提取模块，获得富含上下文信息的第二特征图，包括：

将第一特征图输入上下文信息提取模块，上下文信息提取模块输出的结果与输入前的特征图相加，得到新特征图；

对新特征图进行池化下采样后将其作为上下文信息提取模块的输入；

多次重复上述步骤，直到上下文信息提取模块输出的特征图融合了多层的信息。

4.根据权利要求1所述的方法，其特征在于，所述上下文信息提取模块包括依次连接的2个标准卷积层、多个含有跳跃连接的瓶颈结构，以及1个标准卷积层，每个所述瓶颈结构包含依次连接的1个标准卷积层、1个扩充卷积层和1个标准卷积层。

5.根据权利要求1所述的方法，其特征在于，所述上下文信息提取模块中3个标准卷积层的卷积核大小分别为1x1，3x3和3x3，通道数分别为128、128和512；每个瓶颈结构中的2个标准卷积层的卷积核大小分别为1x1、1x1，通道数分别为128、128，扩充卷积层的卷积核大小为3x3，扩张率为2，通道数为256。

6.根据权利要求1所述的方法，其特征在于，所述在所述嵌入序列中增加位置编码信息，包括：

使用不同频率的正弦函数和余弦函数增加位置编码信息。

7.根据权利要求1所述的方法，其特征在于，所述transformer网络模型包括包含有多头注意力机制的transformer编码器和transformer解码器，以及多层前馈神经网络。

8.根据权利要求1所述的方法，其特征在于，所述异常检测模型通过以下方法训练得到：

获取X光图像胸部病变数据集，所述数据集划分为多个病变类别子数据集，每个子数据集包含同一病变类别下的多个样本图像，每个样本图像包含病变的坐标，并标注有病变类别；

将每个子数据集的每个样本图像输入所述异常检测模型，输出预测结果；

将预测结果和真实值采用匈牙利算法作最佳匹配，得到损失函数，根据损失函数反向传播，进行梯度下降，训练得到所述异常检测模型。

9.根据权利要求8所述的方法，其特征在于，所述损失函数为：

其中，损失函数包括分类损失函数和定位回归损失函数，分类损失函数采用交叉熵损失：

定位回归损失函数包括IoU损失和回归损失，表示为：

其中，L_reg为smooth L1函数，其形式为：

L_iou为GIoU函数，其形式为：

其中，A和B表示参与计算的矩形，C表示最小的同时包含包括A和B的矩形框，|·|表示矩形框的面积。