[发明专利]一种胸部X光图像病变异常检测方法

说明书

本发明公开了一种胸部X光图像病变异常检测方法，包括将待测图像输入特征提取模块，获得第一特征图；将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，并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，完成X光图片的病变异常检测。本发明方法能有效应对胸部X光病变的复杂性和多样性，检测准确度高，可以有效完成胸部X光的病变检测。

技术领域

本发明涉及一种胸部X光图像病变异常检测方法，属于图像处理技术领域。

背景技术

近年来，在医疗领域中，X光图像在诊断中有非常重要的作用。为了使快速准确的自动诊断成为可能，大量研究人员致力于开发智能化的计算机辅助检测系统帮助医生进行胸部X光片病变的诊断工作。随着新冠肺炎的爆发，对X光诊断胸部疾病的需求大量增加，现在急需有效的计算机辅助工具减轻医生的负担。由于器官结构会沿着投影方向重叠，再加上胸部X光疾病的多样性，使得X光图像的识别非常困难。往往需要非常有经验的医生进行诊断。现有的X光图像检测方法，难以应付复杂的场景，其准确性不佳。

发明内容

本发明的目的在于提供一种胸部X光图像病变异常检测方法，以解决现有X光图像检测方法难以应付复杂的场景，准确性不佳的问题。

为达到上述目的，本发明采用如下述技术方案：

本发明提供了一种胸部X光图像病变异常检测方法，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。

进一步地，所述特征提取模块采用ResNet网络。

进一步地，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。

进一步地，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。

进一步地，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3x 3，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。

进一步地，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。

进一步地，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。