基于频域分析与动态卷积的肺炎病理图像检测方法及系统
本发明涉及肺炎病理图像检测方法及系统,具体涉及基于频域分析与动态卷积的肺炎病理图像检测方法及系统,属于计算机视觉、医学影像智能分析及深度学习目标检测。
背景技术:
1、肺炎病灶在胸部x光和ct影像中通常表现为磨玻璃影、斑片状实变、条索状影、间质性纹理增厚或多灶性小片影等多种形态。上述病灶不仅具有空间域中的形态、边界和位置特征,还具备频域中的能量分布、纹理方向性及局部相位一致性特征。尤其是磨玻璃影和早期炎性渗出灶,其与正常肺纹理、血管纹理及肋骨投影的灰度差异较小,单纯依赖空间卷积易导致漏检;而仅增强高频信息则可能将肋骨边缘、血管分叉或噪声误判为病灶。
2、现有计算机辅助诊断方法尝试采用卷积神经网络、特征金字塔、注意力机制、频域变换及动态卷积等技术提升检测或分割精度。然而,肺炎病灶并不局限于固定频带:磨玻璃影通常表现为中高频细粒度纹理扰动,实变影偏向低中频能量聚集,小片状炎性病灶则依赖局部空间边界及频域异常峰值。因此,若仅将频域特征作为普通分支与空间特征拼接,或仅采用通用通道/空间注意力增强频谱,难以实现对肺炎病理影像的准确检测。
技术实现思路
1、本发明旨在提供基于频域分析与动态卷积的肺炎病理图像检测方法及系统,以解决现有技术中频域增强泛化能力不足、空频融合粒度粗糙及动态卷积缺乏病理调制的问题。本发明通过构建肺炎病灶频谱原型库,利用可学习环带—扇区频谱掩码及幅值—相位耦合门控选择性增强病灶相关频谱;通过候选病灶引导的双向门控空频融合,实现空间形态异常与频谱异常的互相验证;并通过频谱原型调制的病理感知动态卷积生成适配候选病灶类型、尺度及边界状态的检测卷积核,从而提升磨玻璃影、早期小片状病灶、实变影边缘及多灶性病灶的检测准确性与鲁棒性。
2、为实现上述目的,本发明提供基于频域分析与动态卷积的肺炎病理图像检测方法,包括如下步骤:
3、步骤1:获取肺炎病理图像,对肺炎病理图像进行预处理并确定肺野约束区域,基于肺野约束区域建立可学习的病灶频谱原型;
4、步骤2:将预处理后的肺炎病理图像和病灶频谱原型输入至频域-空域双分支编码器进行处理,得到空域特征以及病灶频谱原型引导频域增强模块输出的频域增强特征图、频谱异常图和频谱原型响应向量;
5、步骤3:利用候选病灶引导双向门控空频融合模块,结合所述频谱异常图对所述空域特征和所述频域增强特征图进行特征融合,得到互证候选特征;
6、步骤4:将互证候选特征和频谱原型响应向量输入至频谱原型调制病理感知动态卷积模块进行处理,利用生成的动态检测卷积核获得动态卷积响应,并将所述动态卷积响应与互证候选特征进行残差相加,输出候选检测特征;
7、步骤5:利用解耦检测头对候选检测特征进行处理,输出最终肺炎病灶检测结果。
8、进一步地,所述步骤1中,频谱原型包括病灶区域及正常肺纹理区域的幅值谱、相位一致性谱和方向谱。
9、进一步地,所述步骤2中,病灶频谱原型引导频域增强模块处理特征的过程包括:
10、对输入特征图执行二维快速傅里叶变换,得到复数频谱并分离为幅值谱和相位谱;
11、通过可学习环带-扇区频谱掩码划分频谱区域,将每一区域与病灶频谱原型进行相似度匹配,得到匹配结果;
12、根据匹配结果生成幅值增强门控和相位保真门控,利用幅值增强门控和相位保真门控分别对幅值谱和相位谱进行处理,得到增强后的幅值谱与约束后的相位谱;
13、将增强后的幅值谱与约束后的相位谱重新组合为复数频谱,经过逆傅里叶变换得到频域增强特征图,同时输出频谱异常图和频谱原型响应向量。
14、进一步地,所述步骤3包括:
15、对所述空域特征进行处理,生成初始候选热图;复用步骤2中病灶频谱原型引导频域增强模块输出的频谱异常图,并根据空域特征所在编码层级及候选框尺寸生成尺度可靠度图;
16、空间引导的频域门控分支接收空域特征、频域增强特征图、候选热图、频谱异常图和尺度可靠度图,生成空间引导频域门控,利用该门控对频域增强特征图进行加权并与空域特征残差相加,得到第一分支特征;频域引导的空间门控分支根据频谱异常图和病灶频谱原型响应向量生成频域引导空间门控,利用该门控对空域特征进行加权并与频域增强特征图残差相加,得到第二分支特征;
17、将所述第一分支特征和第二分支特征相加,得到双向融合基底;对所述第一分支特征和第二分支特征进行互证一致性判断,生成一致性权重;利用所述一致性权重作用于双向融合基底,生成病灶增强项,利用所述一致性权重的补量作用于双向融合基底,生成背景抑制项;在所述双向融合基底上叠加病灶增强项并扣除背景抑制项,得到互证候选特征。
18、进一步地,所述步骤4包括:
19、首先,从所述空域特征中提取候选形态向量,从所述病灶频谱原型引导频域增强模块输出的频谱原型响应向量中提取谱响应向量,并根据当前编码层级及候选框尺寸生成尺度向量;
20、然后,将所述候选形态向量、谱响应向量与尺度向量进行拼接后输入至核调制网络进行处理,生成基础卷积核组合权重,所述基础卷积核组合权重包括块状卷积核权重、方向卷积核权重、膨胀卷积核权重及高分辨率小病灶卷积核权重,且上述各权重经归一化后之和为一;
21、接着,利用所述基础卷积核组合权重对预置的基础卷积核组进行自适应加权求和,生成动态检测卷积核;
22、最后,利用动态检测卷积核对互证候选特征进行卷积处理得到动态卷积响应,并将动态卷积响应与互证候选特征残差相加,得到候选检测特征。
23、进一步地,本发明还包括:采用联合损失函数进行端到端训练,所述联合损失函数包括检测损失、谱原型约束损失、相位保真损失、空频互证一致性损失及动态核平滑损失;所述检测损失包括分类损失、边界框回归损失及置信度损失。
24、基于频域分析与动态卷积的肺炎病理图像检测系统,包括:
25、肺部影像获取与肺野约束预处理单元,用于获取肺炎病理图像,对肺炎病理图像进行预处理并确定肺野约束区域;
26、疑似病灶频谱原型建立单元,用于基于肺野约束区域建立可学习的病灶频谱原型;
27、病灶频谱原型引导频域增强单元,用于将预处理后的肺炎病理图像和病灶频谱原型输入至频域-空域双分支编码器进行处理,得到空域特征以及病灶频谱原型引导频域增强模块输出的频域增强特征图、频谱异常图和频谱原型响应向量;
28、候选疑似病灶引导双向门控空频融合单元,用于利用双向门控空频融合模块和频谱异常图对空域特征和频域增强特征图进行特征融合,得到互证候选特征;
29、频谱原型调制病理感知动态卷积单元,用于将互证候选特征和频谱原型响应向量输入至频谱原型调制病理感知动态卷积进行处理,利用生成的动态检测卷积核获得动态卷积响应,并将动态卷积响应与互证候选特征残差相加后输出候选检测特征;
30、解耦检测输出单元,用于利用解耦检测头对候选检测特征进行处理,输出最终肺炎病灶检测结果;
31、联合训练单元,用于利用检测损失、谱原型约束损失、相位保真损失、空频互证一致性损失及动态核平滑损失进行联合训练。
32、本发明还提供了一种电子设备,包括处理器和存储器,所述存储器存储有程序代码,当所述程序代码被所述处理器执行时,使得所述处理器执行所述的方法的步骤。
33、本发明还提供了一种存储介质,存储有计算机程序或指令,当所述计算机程序或指令在计算机上运行时,执行所述的方法的步骤。
34、与现有技术相比,本发明的有益效果为:
35、1、本发明通过同肺野背景参照建立磨玻璃影、实变影、条索影及正常肺纹理的频谱原型,使频域增强权重、候选融合权重及检测卷积核均由同一候选病灶的谱原型响应驱动,形成病灶频谱原型识别-候选空频互证-动态检测卷积核调制的不可分割技术链条。该链条使动态卷积核能随候选病灶的病理谱类型、尺度及边界模糊程度自适应调整,从而减少低对比病灶的漏检。
36、2、本发明通过病灶频谱原型引导频域增强模块采用可学习环带—扇区频谱掩码对径向频率和方向角进行联合划分,并在幅值增强门控之外引入相位保真门控,使增强对象限于与肺炎病灶频谱原型匹配且相对于同肺野正常背景显著偏离的频率—方向区域。该处理方式是在频谱幅值、方向能量、相位梯度及肺野背景参照间建立病理约束关系,能够增强磨玻璃影及早期小片状病灶的弱纹理异常,同时抑制肋骨边缘、血管分叉及噪声高频成分的误增强。
37、3、本发明通过候选病灶引导双向门控空频融合模块在每个检测尺度生成初始候选热图、频谱异常图及尺度可靠度图,并执行空间引导频域门控与频域引导空间门控。两个门控分支分别形成带残差的增强特征并相加为双向融合基底,经互证一致性判断生成一致性权重;该权重作用于双向融合基底形成病灶增强项,其补量作用于同一基底形成背景抑制项。空间候选与肺炎谱异常相互印证时,病灶增强项占主导;二者不一致时,背景抑制项占主导。该机制有效减少血管交叉、肋骨投影及肺纹理聚集等假阳性,而非仅获得一般空频融合后的特征增强。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com