[发明专利]一种基于深度学习的胸部DR图像识别方法

权利要求书

1.一种基于深度学习的胸部DR图像识别方法，其特征在于，包括：

1)DICOM图像数据矫正处理，所述矫正处理为将DR图像的灰度值统一化；

2)异物检测，搭建适用于不同大小异物检出的目标检测网络，对矫正后的DICOM图像进行计算，以得到异物所在的区域及类别。

2.如权利要求1所述的图像识别方法，其特征在于，所述灰度值统一化方法为：将DR影像的灰度值截断在以窗位为中心，以窗宽为长度的区间里，线性的将窗口区间映射到目标区间；优选的，所述目标区间为[0，255]。

3.如权利要求2所述的图像识别方法，其特征在于，对于缺失窗宽或窗位信息的DICOM，直接对其图像的灰度值进行线性映射，将灰度值的最小和最大值分别映射到目标区间的最小和最大值。

4.如权利要求1-3任一权利要求所述的图像识别方法，其特征在于，还包括对DR影像进行尺寸标准化处理。

5.如权利要求4所述的图像识别方法，其特征在于，所述标准化预处理为将图像保持宽高比按较小边缩放到600-800(优选800)，如果其较大边超过1333，保持宽高比按较大边缩放到1333。

6.如权利要求1-5任一所述的图像识别方法，其特征在于，所述目标检测网络为Faster-RCNN目标检测网络。

7.如权利要求6所述的图像识别方法，其特征在于，为使Faster-RCNN网络更好适应异物检测，进行如下操作：统计DR影像中异物的尺寸，据此重设anchor大小和宽高比；在候选区域和RoI区域的回归中，采用结合smooth-L1损失和giou损失的方式替代传统smooth-L1损失，使预测框更贴合待检测的异物。

8.一种基于深度学习的胸部DR图像识别系统，其特征在于，包括如下模块：

1)DICOM图像数据矫正模块；

2)异物检测模块；

所述1)图像矫正模块将DR图像的灰度值统一化，具体执行为：将DR影像的灰度值截断在以窗位为中心，以窗宽为长度的区间里，线性的将窗口区间映射到目标区间；优选的，对于缺失窗宽或窗位信息的DICOM，直接对其图像的灰度值进行线性映射，将灰度值的最小和最大值分别映射到目标区间的最小和最大值；

所述2)异物检测模块搭建适用于不同大小异物检出的目标检测网络，对矫正后的DICOM图像进行计算，以得到异物所在的区域及类别。

9.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-7任一项所述的方法。

10.一种基于深度学习的胸部DR图像识别装置，其特征在于，包括：至少一个存储器，用于存储程序；至少一个处理器，用于加载所述程序以执行如权利要求1-7任一项所述的方法。