[發明專利]基于級聯深度學習方法的骨科耗材檢測方法及系統有效
| 申請號： | 202010940962.0 | 申請日： | 2020-09-09 |
| 公開（公告）號： | CN111968114B | 公開（公告）日： | 2021-04-09 |
| 發明（設計）人： | 宋尚玲;楊陽 | 申請（專利權）人： | 山東大學第二醫院 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T5/00;G06T3/60;G06K9/62;G06N3/04 |
| 代理公司： | 濟南泉城專利商標事務所 37218 | 代理人： | 張貴賓 |
| 地址： | 250033 山東*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 級聯 深度 學習方法 骨科 耗材 檢測 方法 系統 | ||
1.一種基于級聯深度學習方法的骨科耗材檢測方法，其特征在于，包括如下步驟：
步驟1：數據準備
獲取訓練用的骨科耗材圖像數據，人工標注待檢測骨科耗材物體的位置,對標注的數據集進行擴充；
步驟2：骨釘盒類別分類器訓練
將耗材外盒的數據集輸入到骨科耗材外盒深度學習模型中，對深度學習模型進行訓練，得到訓練好的外盒檢測模型；
步驟3：YOLOv3模型訓練
將步驟1中準備的人工標注數據集輸入到骨科耗材內容深度學習模型YOLOv3中，對深度學習模型進行訓練，得到訓練好的骨科耗材內容精細檢測模型，對骨釘盒中的骨釘位置、數量、類別同時輸出；
步驟4：模型使用
基于訓練好的骨科耗材外盒深度學習模型和骨科耗材深度學習模型，對新的骨科耗材圖像進行檢測。
2.根據權利要求1所述基于級聯深度學習方法的骨科耗材檢測方法，其特征在于，步驟2利用K近鄰算法進行類別估計，公式為
其中，
3.根據權利要求1所述基于級聯深度學習方法的骨科耗材檢測方法，其特征在于，數據擴充具體操作為：將被標注待檢測骨科耗材物體的標注框向上、下、左、右四個方向均平移1/4個單位，使得訓練集擴充為原來的4倍。
4.根據權利要求3所述基于級聯深度學習方法的骨科耗材檢測方法，其特征在于，所述數據擴充步驟還包括將圖像進行模糊，旋轉。
5.基于級聯深度學習方法的骨科耗材檢測系統，其特征在于，包括：
預處理模塊，其被配置為：獲取訓練用的骨科耗材圖像數據，在訓練用的骨科耗材圖像中，人工標注待檢測骨科耗材物體的位置；輸入為骨科耗材的原始圖像，輸出經過數據增強，圖像變換后的擴容的標簽標注圖像；
訓練模塊，其被配置為：利用至少兩種檢測器對人工標注后的訓練用的圖像進行檢測，檢測過程分為兩個過程，先利用檢測器進行骨科耗材外盒的檢測，再利用檢測器進行骨科耗材的檢測；將數據集輸入到骨科耗材外盒深度學習模型中，對深度學習模型進行訓練，得到訓練好的深度學習模型；將數據集輸入到骨科耗材深度學習模型中，對深度學習模型進行訓練，得到訓練好的深度學習模型；輸入已打標簽圖像；輸出訓練完成的深度網絡模型YOLOv3；
圖像檢測模塊，其被配置為：基于訓練好的骨科耗材外盒深度學習模型和骨科耗材深度學習模型，對新的骨科耗材圖像進行檢測，獲得新的待檢測骨科耗材圖像檢測結果；輸入未標注的新骨科耗材圖片及訓練好的深度模型，輸出對新圖片的標注以及判別結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于山東大學第二醫院，未經山東大學第二醫院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010940962.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種防水自動導引運輸車及工作方法
- 下一篇：管道變形檢測裝置及方法
