1.一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,该方法至少包括:
采集医学膀胱图片作为训练样本,该图片具体矩形识别框,所述矩形识别框包含了膀胱位置标记或肿瘤位置标记或同时具有膀胱和肿瘤位置标记;
利用ResNet对医学图片进行特征提取,并生成预测的ROI区域;所述预测的ROI区域表示了膀胱和肿瘤可能存在的位置;
利用边框回归对感兴趣区域进行坐标的平移和尺度缩放;
利用非极大值抵制得到目标矩形框。
2.根据权利要求1所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,该方法还包括对训练样本进行数据增强。
3.根据权利要求1所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,所述对采集的训练图片进行数据扩充具体包括:对采集到的训练图片进行旋转、加噪声、镜像处理。
4.根据权利要求1所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,在利用ResNet对医学图片进行特征提取步骤中,仅采用ResNet-18作为特征提取网络,该特征提取网络所有参数均重新设定,所述特征提网络至少包括第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层。
5.根据权利要1所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,在利用ResNet对医学图片进行特征提取步骤中,分别给Conv2到Conv5中每个残差模块的输出端和跳层阶段分别加入权重a和b。
6.根据权利要求1所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,在利用ResNet对医学图片进行特征提取步骤中,采用RPN生成预测的ROI区域。
7.根据权利要求4所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,在利用ResNet对医学图片进行特征提取步骤中,在第四层卷积层采用FPN进行多尺度的特征融合。
8.根据权利要求4所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,在第四卷积层与第五卷积层之间添加一ROIAlign层,所述ROIAlign层还用于对预测的ROI区域进行对齐处理。
9.根据权利要求6所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,在利用ResNet对医学图片进行特征提取步骤后,在第五层卷积层添加一个Mask分支进行图像分割。
10.根据权利要求1或6所述的一种基于MaskRcnn的膀胱肿瘤检测方法,其特征在于,利用定位精度评价函数IOU对所述生成预测的ROI区域进行筛选,筛选的方法具体为:当IOU>阈值H时,将预测的ROI区域全部为正样本;当IOU<阈值H时,将预测的ROI区域全部作为负样本。