基于卷积神经网络的CT图像目标检测方法、装置及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113920067A(43)申请公布日2022.01.11(21)申请号202111122421.8(22)申请日2021.09.24(71)申请人电子科技大学地址611731四川省成都市成都市高新区（西区）西源大道2006号(72)发明人田淼李琬祎杨菲菲刘光辉田丹吴少智王宏秋曹云建(74)专利代理机构成都科海专利事务有限责任公司51202代理人刘业芳(51)Int.Cl.G06T7/00(2017.01)G06T7/73(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图2页(54)发明名称基于卷积神经网络的CT图像目标检测方法、装置及设备(57)摘要本发明涉及一种基于卷积神经网络的CT图像目标检测方法、装置及设备，属于图像目标检测技术领域，基于卷积神经网络的CT图像目标检测方法、装置及设备通过获取目标患者的CT图像；将CT图像输入至预设CT图像目标检测模型中，得到CT图像中的目标区域及目标区域的类别。通过预先设置CT图像目标检测模型，在CT图像目标检测模型中设置注意力机制模块，对特征图中的不同通道分配不同的权重，提取特征图中的有用新型，提升CT图像的目标检测成功率。CN113920067ACN113920067A权利要求书1/2页1.一种基于卷积神经网络的CT图像目标检测方法，其特征在于，包括：获取目标患者的CT图像；将所述CT图像输入至预设CT图像目标检测模型中，得到所述CT图像中的目标区域及所述目标区域的类别。2.根据权利要求1所述的方法，其特征在于，所述预设CT图像目标检测模型的构建方法，包括：基于SSD模型，在所述SSD模型的特征输出层设置注意力机制模块；所述特征输出层用于输出特征图；所述注意力机制模块对所述特征图的不同通道分配不同的权重。3.根据权利要求2所述的方法，其特征在于，所述预设CT图像目标检测模型，包括：特征输出层模块和检测匹配模块；所述特征输出层模块，包括多个特征输出层；所述检测匹配模块，接收所述特征输出层输出的特征图，和，通过所述注意力机制模块调整权重的调整特征图，并根据所述特征图和所述调整特征图生成检测框便宜了和类别标签，确定CT图像中的目标区域及所述目标区域的类别。4.根据权利要求3所述的方法，其特征在于，所述将所述CT图像输入至预设CT图像目标检测模型中，得到所述CT图像中的目标区域及所述目标区域的类别，包括：提取第一预设特征输出层输出的特征图；以及，通过注意力机制模块获取第二预设特征输出层的特征图；所述第二预设特征输出层属于所述第一预设特征输出层；使用每一层的先验框对特征输出层信息进行提取；通过定位器根据每一个先验框信息生成检测框偏移量；通过分类器根据每一个先验框信息生成类别标签；剔除类别标签为背景的先验框，消除冗余先验框；得到所述CT图像中的目标区域及所述目标区域的类别。5.根据权利要求2所述的方法，其特征在于，所述预设CT图像目标检测模型的构建方法，包括：划分数据集为训练集和测试集，所述训练集和测试集内均包含多个标注好目标区域和目标区域类别的CT图像；根据所述训练集中的CT图像，训练设置了注意力机制模块的预设CT图像目标检测模型，得到初步预设CT图像目标检测模型；根据所述测试集中的CT图像，对所述初步预设CT图像目标检测模型进行测试和修正，得到目标预设CT图像目标检测模型，将所述目标预设CT图像目标检测模型作为所述预设CT图像目标检测模型。6.一种基于卷积神经网络的CT图像目标检测装置，其特征在于，包括：获取模块和检测模块；所述获取模块，用于获取目标患者的CT图像；所述检测模块，用于将所述CT图像输入至预设CT图像目标检测模型中，得到所述CT图像中的目标区域及所述目标区域的类别。7.根据权利要求6所述的装置，其特征在于，还包括，模型构建模块；所述模型构建模2CN113920067A权利要求书2/2页块，用于基于SSD模型，在所述SSD模型的特征输出层设置注意力机制模块；所述特征输出层用于输出特征图；所述注意力机制模块对所述特征图的不同通道分配不同的权重。8.根据权利要求6所述的装置，其特征在于，所述模型构建模块，用于划分数据集为训练集和测试集，所述训练集和测试集内均包含多个标注好目标区域和目标区域类别的CT图像；根据所述训练集中的CT图像，训练设置了注意力机制模块的预设CT图像目标检测模型，得到初步预设CT图像目标检测模型；根据所述测试集中的CT图像，对所述初步预设CT图像目标检测模型进行测试和修正，得到目标预设CT图像目标检测模型，将所述目标预设CT图像目标检测模型作为所述预设CT图像目标检测模型。9.一种基于卷积神经网络的CT图像目标检测设备，其