[发明专利]基于卷积神经网络的头颅影像标志点检测方法

摘要

本发明公开了一种基于卷积神经网络的头颅影像标志点检测方法，包括如下步骤：数据预处理、训练集的选择、网络结构的设计以及损失函数的选择。与相关技术相比较，本发明提供的基于卷积神经网络的头颅影像标志点检测方法具有如下有益效果：可以有效减少噪音数据对训练结果的影响；可以降低距离图像块较远的点对预测结果的影响，最终提升了预测精度；提升了标志点的定位精度。

主权项

1.一种基于卷积神经网络的头颅影像标志点检测方法，其特征在于，包括如下步骤：S1、数据预处理，根据给定的图像边框对训练集中的图像进行裁剪，使用Sobel算子提取图像边缘信息，使用中值滤波对图像进行平滑，使用Canny算子对平滑过的图像进行处理；S2、训练集的选择，在Canny算子处理过的图像上随机取图像块，若图像块的信息熵大于预设的阈值，则在原始图像上取对应的图像块作为训练集，第一阶段网络的标签用0/1标签，第二阶段网络的标签用标志点到该图像块中心的曼哈顿距离；S3、网络结构的设计，使用两阶段网络结构对标志点位置进行预测，第一阶段使用分类网络，训练出含有标志点的图像块，计算出每个标志点的邻域；第二阶段使用回归网络，在每个标志点邻域范围取图像块，分别训练每个标志点最终位置；S4、损失函数的选择，采用基于距离的加权损失，其损失函数为：其中N表示标志点个数，表示损失的权重；α表示权重的调节系数，T_i表示第i个点的真实位置，P_i表示第i个点的预测位置。