一种基于改进FasterRCNN算法的肺结节检测装置的制作方法

技术特征：
1.一种基于改进fasterrcnn算法的肺结节检测装置，其特征在于，包括数据采集标注模块、所述数据预处理模块、特征提取模块、肺结节检测与分类模块。所述数据采集标注模块获取待测者的肺结节ct图像，并传输至数据预处理模块；所述数据预处理模块对待测者的肺结节ct图像进行预处理，得到预处理后的待测者肺结节图像，并传输至特征提取模块；所述特征提取模块存储有特征提取模型；所述特征提取模块将预处理后的待测者肺结节图像输入到特征提取模型中，从而对预处理后的待测者肺结节图像进行特征提取和目标区域预测，得到若干待测者肺结节候选区域；所述特征提取模块将待测者肺结节候选区域传输至肺结节检测与分类模块；所述肺结节检测与分类模块存储有肺结节检测分类模型；所述肺结节检测与分类模块将待测者肺结节候选区域输入到肺结节检测分类模型中，得到待测者肺结节的预测区域和预测置信概率。2.根据权利要求1所述的一种基于改进fasterrcnn算法的肺结节检测装置，其特征在于：所述数据预处理模块对待测者的肺结节ct图像进行预处理的步骤为：根据空气、水和x射线的线性衰减系数，统计肺部区域的hu值范围，并将待测者的肺结节ct图像转化为jpg格式的待测者肺结节图像，得到预处理后的待测者肺结节图像。3.根据权利要求1所述的一种基于改进fasterrcnn算法的肺结节检测装置，其特征在于：所述特征提取模型包括unet网络和fasterrcnn神经网络模型；所述unet网络模型用于特征提取；unet网络模型的输入为待测者肺结节图像，输出为待测者肺结节图像特征；unet网络包括下采样层，上采样层和横向连接层；所述下采样层为卷积层；横向连接层为残差块。所述fasterrcnn神经网络模型用于对肺结节图像的目标位置回归和类别预测；所述fasterrcnn神经网络的输入为待测者肺结节图像特征，fasterrcnn神经网络利用region proposal network确定待测者肺结节候选区域，输出为待测者肺结节的精确位置、类别和置信度；所述fasterrcnn神经网络模型利用dilated encoder产生具有多感受域的特征图，实现特征的复用与融合。4.根据权利要求3所述的一种基于改进fasterrcnn算法的肺结节检测装置，其特征在于：fasterrcnn神经网络模型的损失函数l(p
i
，t
i
)如下所示：式中，p
i
为第i个目标框的预测分类概率；当第i个目标框是正样本时，当第i个目标框是负样本时，t
i
表征第i个目标框的预测的边界框的参数化坐标(x，y，w，h)；表征第i个目标框的真实的边界框的参数化坐标(x
*
，y
*
，w
*
，h
*
)；λ为权重平衡参数；类别损失函数回归损失函数r表示smooth l1 loss函数。5.根据权利要求1所述的一种基于改进fasterrcnn算法的肺结节检测装置，其特征在
于：将待测者肺结节候选区域输入到肺结节检测分类模型中，得到待测者肺结节的预测区域和预测置信概率的步骤包括：1)所述肺结节检测分类模型对待测者肺结节候选区域进行roi pooling，将不同大小的区域转换为固定长度的区域；将固定长度的区域输入到两个相连的全连接层中，得到位置与类别输出；2)采用交叉熵损失函数进行类别预测；3)采用smooth l1 loss函数进行位置回归，得到待测者肺结节的预测区域和预测置信概率。6.根据权利要求5所述的一种基于改进fasterrcnn算法的肺结节检测装置，其特征在于：smooth l1 loss函数smooth
l1
如下所示：式中，测试σ为常数。7.根据权利要求1所述的一种基于改进fasterrcnn算法的肺结节检测装置，其特征在于，建立肺结节检测分类模型的步骤包括：1)所述数据采集标注模块获取若干来自不同测试者的肺结节ct图像，并在肺结节ct图像中标注出肺结节区域目标框；所述数据采集标注模块将标注后的肺结节ct图像传输至数据预处理模块；2)所述数据预处理模块对肺结节ct图像进行预处理，得到预处理后的肺结节图像，并将预处理后的肺结节图像划分为训练集和测试集；3)所述特征提取模块利用k-means方法对肺结节ct图像的肺结节区域目标框进行聚类，得到若干组肺结节区域目标框；4)建立特征提取模型；5)利用训练集对所述特征提取模型进行训练，得到训练后的特征提取模型；6)利用测试集对训练后的特征提取模型进行测试，若训练后的特征提取模型的准确率大于预设阈值，则完成特征提取模型的建立，否则，返回步骤1)。8.根据权利要求7所述的一种基于改进fasterrcnn算法的肺结节检测装置，其特征在于，所述数据预处理模块对肺结节ct图像进行预处理的步骤包括：1)根据空气、水和x射线的线性衰减系数，统计肺部区域的hu值范围，并将肺结节ct图像转换为jpg图片；2)利用翻转方法对jpg图片进行扩充，并将标注的肺结节区域目标框转换为voc格式。9.根据权利要求7所述的一种基于改进fasterrcnn算法的肺结节检测装置，其特征在于：所述对肺结节ct图像的肺结节区域目标框进行聚类的目标函数min e如下所示：式中，μ
j
是簇c
j
的均值向量；e为平方误差；k为簇的数量；j为簇的序号。

技术总结
本发明公开一种基于改进FasterRCNN算法的肺结节检测装置，包括数据采集标注模块、数据预处理模块、特征提取模块、肺结节检测与分类模块；数据采集标注模块主要进行相关数据的收集与标注，以便为后续模型学习提供真实标签；数据预处理模块主要对数据集进行数据增强以及格式转换；特征提取模块主要从图片中提取抽象特征，得到高级语义信息；肺结节检测与分类模块依据特征对图片中的肺结节进行定位和分类，输出图片中肺结节的位置坐标及类别概率。本发明对FasterRCNN进行了改进，保证准确率的同时提高了检测分类速度。率的同时提高了检测分类速度。率的同时提高了检测分类速度。


技术研发人员：廖军 钱爽 刘礼 雍滋蕊 邓正巧 李小虎 张文彬
受保护的技术使用者：重庆大学
技术研发日：2021.07.19
技术公布日：2022/3/18