[发明专利]一种基于红外热成像的浅表病变检测系统

权利要求书

1.一种基于红外热成像的浅表病变检测系统，其特征在于：包括服务器以及红外图像获取模块，所述服务器通过红外图像预处理模块对红外图像获取模块获取的近红外病灶图像进行预处理，所述服务器通过病变区域识别模型构建模块构建病变区域识别模型，并利用病变区域识别模型训练模块对病变区域识别模型进行模型训练；

所述服务器通过病变区域提取模块结合病变区域识别模型从预处理的近红外病灶图像中提取病变区域图像，并利用目标区域判定模块从病变区域图像中获取目标病变图像，所述服务器通过目标图像淡化模块对目标病变图像进行淡化，得到目标病变淡化图像；

所述服务器通过病变类型识别模型构建模块构建病变类型识别模型，并利用病变类型输出模块基于病变类型识别模型对目标病变淡化图像的识别结果输出近红外病灶图像对应的病变类型。

2.根据权利要求1所述的基于红外热成像的浅表病变检测系统，其特征在于：所述病变区域提取模块结合病变区域识别模型从预处理的近红外病灶图像中提取病变区域图像，包括：

将预处理的近红外病灶图像输入训练好的病变区域识别模型中，得到第一病变区域图像；

基于预处理的近红外病灶图像的初始目标区域及初始保护区域，得到第二病变区域图像；

结合第一病变区域图像、第二病变区域图像获取预处理的近红外病灶图像中的病变区域图像。

3.根据权利要求2所述的基于红外热成像的浅表病变检测系统，其特征在于：所述将预处理的近红外病灶图像输入训练好的病变区域识别模型中，得到第一病变区域图像，包括：

利用病变区域识别模型中基于残差网络的卷积神经网络，以及特征金字塔网络，提取图像中的多尺度特征；

基于提取的多尺度特征，结合病变区域识别模型中的区域生成网络获取图像中所有可能存在病变区域的提取框；

利用非最大抑制法对提取框进行筛选，并利用检测目标区域的卷积神经网络对筛选的提取框区域进行分类，得到第一病变区域图像。

4.根据权利要求3所述的基于红外热成像的浅表病变检测系统，其特征在于：所述检测目标区域的卷积神经网络的损失函数为：

L＝L₁+L₂+L₃

其中，L₁为提取框的分类损失值，L₂为回归框的分类损失值，L₃为病变区域的损失值。

5.根据权利要求2所述的基于红外热成像的浅表病变检测系统，其特征在于：所述基于预处理的近红外病灶图像的初始目标区域及初始保护区域，得到第二病变区域图像，包括：

确定预处理的近红外病灶图像中需要淡化的初始目标区域，以及需要保护的初始保护区域，并将初始保护区域还原为与初始目标区域的重叠部位，得到初始还原图像；

利用初始还原图像对初始保护区域及初始保护区域图像进行调整，得到保护区域及保护区域图像；

利用保护区域对初始目标区域进行调整，得到病变区域，并利用保护区域图像覆盖初始保护区域图像，得到第二病变区域图像。

6.根据权利要求2所述的基于红外热成像的浅表病变检测系统，其特征在于：所述目标区域判定模块从病变区域图像中获取目标病变图像，包括：

确定病变区域图像中四个角点处的坐标，并利用四个角点处的坐标生成病变区域图像的最大外接矩形框，最大外接矩形框中的图像即为目标病变图像。

7.根据权利要求6所述的基于红外热成像的浅表病变检测系统，其特征在于：所述目标图像淡化模块对目标病变图像进行淡化，得到目标病变淡化图像，包括：

确定以目标病变图像中目标像素点为中心的预设正方形区域，根据预设正方形区域中各像素点与目标像素点之间的位置关系，设置各像素点对应的权重；

对各像素点的色相值及对应的权重进行加权求和，得到加权色相值，将目标像素点的色相值替换为加权色相值，对目标病变图像进行淡化，得到目标病变淡化图像。