买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏济远医疗科技有限公司

摘要：本发明公开了一种基于深度信息和知识蒸馏的宫腔镜图像目标检测方法，属于医学图像处理领域。本发明利用深度信息和知识蒸馏在目标检测系统中部署训练好的学生模型，对宫腔镜图像进行数据收集与预处理。将预处理后的宫腔镜图像与提取的幻觉深度信息输入到教师模型中，使用基于梯度的知识蒸馏技术训练轻量级学生模型，使用部署的学生模型对宫腔镜图像进行目标检测，获取检测到的病变区域的位置、大小等信息。本发明能够有效提高宫腔镜图像目标检测任务的性能，提高目标检测的准确性和鲁棒性，为医生提供准确和可靠的病变检测结果，从而辅助临床诊断和治疗。

主权项：1.一种基于深度信息和知识蒸馏的宫腔镜图像目标检测方法，其特征在于：包括以下步骤：步骤1：收集用于训练和评估的宫腔镜图像数据集，包括正常和病变样本，并进行去噪、大小标准化的数据预处理操作，这些数据集只包含图像和相应的目标边界框标注；步骤2：使用单目深度估计算法获取图片每个像素的深度，将最初是灰度的深度图像使用颜色映射转换为具有三个通道的RGB图像后，与RGB通道进行拼接作为输入；步骤3：使用共享参数的孪生网络作为教师网络，应用RoI池化，从RGB和深度输入中为每个视觉区域提取固定长度的特征向量将提案特征馈入两个并行的全连接层，用于计算检测分数和分类分数步骤4：从单个RGB图像预测场景的深度图中提取RGB特征映射ψI和深度特征映射ψD后送入自适应池化和全连接层，以获得D维投影的RGB特征映射ψProjI和深度特征映射ψprojD，将两个特征向量进行归一化后，得到余弦相似度SI,D，再利用深度估计模型对图像进行目标定位和深度预测，将估计过程中NCE损失的第一分量LD→I与第二分量LI→D进行平均计算LNCE；步骤5：将推导出的图像视觉特征分数和深度特征分数进行融合、概率转换、按元素相乘、图像级计算、优化损失的操作，以获得区域级别的分数Lmil；步骤6：针对融合了视觉特征和虚拟深度幻象特征的图像及图像级别的标注信息，利用目标检测的字幕和边界框预测来计算深度先验范围drc并定义深度掩模指标变量mi,c，以此来提取宫腔镜图像的幻觉深度信息，增强图像特征；步骤7：将上述孪生网络与融合网络集成，作为教师模型使用宫腔镜图像数据集进行训练；初始化一个轻量级的学生模型；步骤8：将教师模型的知识转移到学生模型中，通过梯度来指导知识的提炼过程进行以下操作：在训练过程中，利用检测损失相对于特征映射的梯度来表示特征对最终检测的贡献，梯度越大所对应的特征对决策的影响越大，以获得蒸馏的最终目标映射Ml；利用这些梯度对特征进行加权，得到知识蒸馏的损失函数LGKD；提取高斯掩模Fi,j，计算位置注意掩码MP和通道注意掩码MC，得到多粒度特征在边界框检测中的损失LBMFI；加上梯度指导知识的提炼过程损失LGKD，得到总蒸馏损失LKD；步骤9：在知识蒸馏完成后，使用验证集对训练好的学生模型进行验证和评估，根据验证结果对模型进行调优，重复步骤2-7，直到训练次数达到预期值；步骤10：在宫腔镜图像上部署训练得到的轻量最优学生模型，用于目标检测任务，增强实时性。

全文数据：

权利要求：

百度查询： 江苏济远医疗科技有限公司 一种基于深度信息和知识蒸馏的宫腔镜图像目标检测方法