[發明專利]基于卷積神經網絡的CT圖像目標檢測方法及CT掃描儀

有效

• 申請號: 201910984904.5
• 申請日: 2019-10-16
• 公開（公告）號: CN110717910B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 太原華瑞星辰醫藥科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/50;G06T5/30;G06K9/62;A61B6/03
• 代理公司: 北京權智天下知識產權代理事務所(普通合伙) 11638
• 代理人: 王新愛

1.一種基于卷積神經網絡的CT圖像目標檢測方法，其特征在于，所述方法包括：

獲得CT掃描儀掃描的待檢測區域的CT視頻；

基于CT視頻中當前幀圖像的前一幀圖像和后一幀圖像，獲得殘差區域；

將所述殘差區域與所述當前幀圖像進行融合，獲得融合當前幀圖像；

對所述融合當前幀圖像進行高通濾波，獲得高頻當前幀圖像；

對所述融合當前幀圖像進行低通濾波，獲得低頻當前幀圖像；

將所述高頻當前幀圖像和所述低頻當前幀圖像進行融合，獲得復合當前幀圖像；

基于第一卷積神經網絡對所述當前幀圖像進行目標檢測，獲得當前幀目標區域；

基于第二卷積神經網絡對所述復合當前幀圖像進行目標檢測，獲得復合目標區域；

獲得所述當前幀目標區域和所述復合目標區域的距離；

若所述距離小于目標值，基于所述當前幀目標區域和所述復合目標區域，獲得待檢測的目標圖像。

2.根據權利要求1所述的方法，其特征在于，所述將所述殘差區域與所述當前幀圖像進行融合，獲得融合當前幀圖像，包括：

獲得所述殘差區域中的像素點（i,j）的像素值與所述當前幀圖像中的像素點(i,j+k)的像素值之和，其中，所述i，j是正整數，k是大于或等于0的整數；

若所述和大于255，所述融合當前幀圖像的像素點(i,j)的像素值為第一差值，所述第一差值為255與所述和與255的商的余數之差值；

若所述和不大于255，所述融合當前幀圖像的像素點(i,j)的像素值為所述和。

3.根據權利要求1所述的方法，其特征在于，所述將所述高頻當前幀圖像和所述低頻當前幀圖像進行融合，獲得復合當前幀圖像，包括：

獲得所述高頻當前幀圖像中像素點（i,j）的像素值與所述低頻當前幀圖像中像素點（i,j）的平均值；

確定所述平均值作為所述復合當前幀圖像的像素點(i,j)的像素值。

4.根據權利要求1所述的方法，其特征在于，所述基于第一卷積神經網絡對所述當前幀圖像進行目標檢測，獲得當前幀目標區域，包括：

對所述當前幀圖像進行至少一次卷積處理后，獲得第一輸出數據；

對所述第一輸出數據進行兩次池化處理后，獲得第二輸出數據；

對所述第二輸出數據進行至少兩次卷積處理后，獲得第三輸出數據；

對所述 第三輸出數據進行至少三次池化處理后，獲得第四輸出數據；

對所述第四輸出數據進行分類，獲得所述當前目標區域。

5.根據權利要求1所述的方法，其特征在于，所述基于第二卷積神經網絡對所述復合當前幀圖像進行目標檢測，獲得復合目標區域，包括：

對所述復合當前幀圖像進行至少三次池化處理后，獲得第五輸出數據；

對所述第五輸出數據進行至少兩次卷積處理后 ，獲得第六輸出數據；

對所述第六輸出數據進行一池化處理和一次卷積處理后，獲得第七輸出數據；

將所述第六輸出 數據和所述第七輸出數據進行融合，獲得第八輸出數據；

對所述第八輸出數據進行至少兩次池化處理和至少兩次卷積處理后，獲得第九輸出數據；

對所述第九輸出數據進行分類，獲得所述復合目標區域。

6.根據權利要求1所述的方法，其特征在于，所述獲得所述當前幀目標區域和所述復合目標區域的距離，包括：

獲得所述當前幀目標區域和所述復合目標區域的外接圓；

獲得所述當前幀目標區域的外接圓的圓心和所述復合目標區域的外接圓的圓心之間歐氏距離；

確定所述歐氏距離作為所述當前幀目標區域和所述復合目標區域的距離。

7.根據權利要求1所述的方法，其特征在于，所述獲得所述當前幀目標區域和所述復合目標區域的距離，包括：

分別獲得所述當前幀目標區域和所述復合目標區域的重心；

獲得所述當前幀目標區域的重心和所述復合目標區域的重心之間歐氏距離；

確定所述歐氏距離作為所述當前幀目標區域和所述復合目標區域的距離。