[發明專利]一種基于稠密的特征金字塔網絡的宮頸圖像處理方法及裝置

有效

• 申請號: 201810088302.7
• 申請日: 2018-01-30
• 公開（公告）號: CN108038519B
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 吳健;應興德;陳婷婷;馬鑫軍;呂衛國;袁春女;姚曄儷;王新宇;吳邊;陳為;吳福理;吳朝暉
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

1.一種基于稠密的特征金字塔網絡的宮頸圖像處理裝置，其特征在于，包括：

圖像采集裝置，用于采集經3％-5％醋酸溶液處理后的宮頸圖像；

處理器，包括宮頸圖像預處理模塊和處理模塊，所述處理模塊包括由基于稠密連接的特征金字塔網絡、區域提名網絡和檢測網絡組成的模型網絡，用于輸出目標區域的分類信息以及位置信息；

存儲器，用于存儲處理器中模型網絡的參數；

顯示裝置，用于顯示處理器輸出的目標區域的分類信息以及位置信息；

基于稠密連接的特征金字塔網絡由特征提取網絡和金字塔網絡組成，其中，特征提取網絡由依次連接的1個卷積層，1個最大池化層，第一稠密模塊，第一轉換層，第二稠密模塊，第二轉換層，第三稠密模塊，第三轉換層和第四稠密模塊組成；第一～四稠密模塊分別由6，12，24，16個稠密卷積層組成，而稠密卷積層由依次連接的1個批正則化層，1個ReLU激活函數層，1個卷積層，1個批正則化層，1個ReLU激活函數層和1個卷積層組成；在第一～四稠密模塊中，對于每一個稠密卷積層，所有在前稠密卷積層的輸出都作為該稠密卷積層的輸入，該稠密卷積層的輸出作為所有在后稠密卷積層的輸入；

所述金字塔網絡包括3個上采樣模塊以及3個Attention模塊；每個上采樣模塊輸出的特征圖進入對應的Attention模塊，并在Attention模塊中分成兩路，其中一路輸出權值特征圖，另一路輸出經系列卷積處理的卷積特征圖，二者相乘后再與卷積特征圖相加；

區域提名網絡由依次連接的1個卷積層和2個并行的卷積層組成；檢測網絡由依次連接的1個ROIPooling層和2個并行的全連接層組成。

2.一種基于稠密的特征金字塔網絡的宮頸圖像處理方法，其特征在于，使用權利要求1所述的宮頸圖像處理裝置，包括：將圖像采集裝置采集的經3％-5％醋酸溶液處理后的宮頸圖像輸入至處理器已訓練模型網絡中，輸出目標區域的分類信息以及位置信息，并顯示在顯示裝置上；

對模型網絡的訓練方法包括：

(1)使用圖像采集裝置采集經3％-5％醋酸溶液處理后的宮頸圖像，通過宮頸圖像預處理模塊對宮頸圖像進行標記，并使用K-means方法對宮頸圖像數據進行聚類，得到具有相似性的圖像簇，構成訓練集；

(2)在處理器中構建由基于稠密連接的特征金字塔網絡、區域提名網絡和檢測網絡組成的模型網絡；

基于稠密連接的特征金字塔網絡由特征提取網絡和金字塔網絡組成，利用在ImageNet上預訓練的特征提取網絡參數在對相應網絡層進行初始化；

(3)采用訓練集對模型網絡進行訓練，包括：

(3-1)將訓練集中的圖像輸入至特征金字塔網絡中，經區域提名網絡輸出目標區域的置信度以及位置信息，訓練至損失函數收斂，將特征金字塔網絡以及區域提名網絡參數保存至存儲器中；

(3-2)將特征金字塔網絡中得到的特征圖分別輸入至區域提名網絡和檢測網絡，檢測網絡結合特征圖和區域提名網絡輸出的目標區域位置信息，輸出最終的目標區域的分類信息以及位置信息，訓練至損失函數收斂，將訓練得到的模型參數保存至存儲器中。