本发明涉及小目标检测，尤其是涉及一种医学图像的小目标检测方法、系统、设备及存储介质。
背景技术：
1、支气管结核是一种罕见的结核类型，主要影响支气管和肺部。该支气管结核通常由结核分枝杆菌引起，症状包括咳嗽、咳痰、呼吸困难和胸痛。支气管结核的诊断通常通过线检查、ct扫描、支气管镜检查、痰液检查等方法进行。近年来，随着结核病治疗的进步和普及，支气管结核的发病率有所下降。然而，由于其症状不典型，在诊断和治疗方面仍存在挑战。因此，对支气管结核的研究仍然具有重要意义。
2、传统的检测支气管结核的方法主要是通过使用内窥镜，然后由医生进行复查。等待内窥镜结果的时间太长，同时工作时间过长会使医生极度疲劳，可能导致识别偏差，也可能降低医生的工作效率。在影像学方法中，支气管结核的病因可以被识别出来，因为它可以清楚地显示出病理特征，如支气管壁增厚、狭窄、钙化和肺病变。这为支气管结核性的临床诊断提供了可靠的依据。目前，关于使用卷积神经网络结合ct成像诊断支气管结核的研究相对较少。
3、传统的cnn通常由一个输入层、一个隐层和一个串联连接的输出层组成。输入层负责接收输入图像，隐藏层通常由多个卷积层和池化层组成，其功能是从输入图像中提取特征信息，而输出层负责输出分类结果。传统的cnn结构可以逐步从图像中提取高级语义特征。然而，传统的cnn方法有以下缺点：传统的cnn使用高度语义的信息特征图来提取最终的分类预测。虽然它可以有效地掌握图像的整体特征，但它也忽略了一些关于层次之间联系的详细信息，导致分类精度下降。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种医学图像的小目标检测方法、系统、设备及存储介质，能够提高支气管医学图像的小目标检测的准确度。
2、第一方面，本发明实施例提供了一种医学图像的小目标检测方法，所述医学图像的小目标检测方法包括：
3、获取支气管医学图像，并对所述支气管医学图像进行预处理，得到预处理后的支气管医学图像；
4、构建包含主干网络、颈部网络和预测网络的支气管医学图像的小目标检测模型，并在所述主干网络中引入残差网络和空洞空间卷积池化金字塔，在所述颈部网络中引入全局注意力模块；
5、将所述预处理后的支气管医学图像输入至所述主干网络中，并采用所述残差网络进行细节特征补充和采用所述空洞空间卷积池化金字塔增强感受野，以得到所述主干网络输出的多种尺度的特征图；
6、将所述多种尺度的特征图输入至所述颈部网络中，并采用所述全局注意力模块进行全局信息增强，以得到所述颈部网络输出的多种尺度的张量数据；
7、采用所述预测网络对所述多种尺度的张量数据进行特征融合，得到融合特征，并对所述融合特征进行小目标检测，得到支气管医学图像的小目标检测结果。
8、与现有技术相比，本发明第一方面具有以下有益效果：
9、本方法通过对支气管医学图像进行预处理，能够对支气管医学图像进行增强，提高图像的视觉效果；构建包含主干网络、颈部网络和预测网络的支气管医学图像的小目标检测模型，并在主干网络中引入残差网络和空洞空间卷积池化金字塔，在颈部网络中引入全局注意力模块，通过将预处理后的支气管医学图像输入至主干网络中，并采用残差网络进行细节特征补充和采用空洞空间卷积池化金字塔增强感受野，将多种尺度的特征图输入至颈部网络中，并采用全局注意力模块进行全局信息增强，能够为后期的小目标检测提供良好的数据基础，以提高小目标检测的精确度和全面性；采用预测网络对多种尺度的张量数据进行特征融合，得到融合特征，并对融合特征进行小目标检测，得到支气管医学图像的小目标检测结果，采用融合特征进行小目标检测能够提高支气管医学图像的小目标检测的准确度。
10、根据本发明的一些实施例，所述对所述支气管医学图像进行预处理，得到预处理后的支气管医学图像，包括：
11、采用自适应对比对方法对所述支气管医学图像进行预处理，得到预处理后的支气管医学图像。
12、根据本发明的一些实施例，所述采用所述残差网络进行细节特征补充，包括：
13、在所述主干网络中的第一层卷积层和第二层csp网络层之间引入残差网络；
14、采用所述卷积层对所述预处理后的支气管医学图像进行卷积，得到卷积后的支气管医学图像；
15、采用所述csp网络层对所述卷积后的支气管医学图像进行细节特征提取，得到细节特征图；
16、将所述卷积后的支气管医学图像和所述细节特征图输入至下一层卷积层，以对下一层卷积层的图像进行细节特征补充。
17、根据本发明的一些实施例，所述采用所述空洞空间卷积池化金字塔增强感受野，包括：
18、采用多个卷积层和csp网络层对所述预处理后的支气管医学图像进行多种尺度的特征提取，得到多种尺度的第一特征图；
19、采用所述空洞空间卷积池化金字塔对所述多种尺度的第一特征图增强感受野，得到多种尺度的第二特征图。
20、根据本发明的一些实施例，所述采用所述全局注意力模块进行全局信息增强，包括：
21、在所述颈部网络中引入连接第二层csp网络层的全局注意力模块；
22、采用所述全局注意力模块对所述第二层csp网络层的特征进行全局信息增强。
23、根据本发明的一些实施例，所述采用所述预测网络对所述多种尺度的张量数据进行特征融合，得到融合特征，并对所述融合特征进行小目标检测，得到支气管医学图像的小目标检测结果，包括：
24、构建包含自适应空间特征融合和多个检测层的预测网络；
25、采用所述自适应空间特征融合对所述多种尺度的张量数据进行特征融合，得到融合特征；
26、采用多个所述检测层对所述融合特征进行小目标检测，得到支气管医学图像的小目标检测结果。
27、根据本发明的一些实施例，在采用所述预测网络对所述融合特征进行小目标检测之前，所述医学图像的小目标检测方法还包括采用mish损失函数对所述小目标检测模型进行训练。
28、第二方面，本发明实施例还提供了一种医学图像的小目标检测系统，所述医学图像的小目标检测系统包括：
29、图像处理单元，用于获取支气管医学图像，并对所述支气管医学图像进行预处理，得到预处理后的支气管医学图像；
30、模型构建单元，用于构建包含主干网络、颈部网络和预测网络的支气管医学图像的小目标检测模型，并在所述主干网络中引入残差网络和空洞空间卷积池化金字塔，在所述颈部网络中引入全局注意力模块；
31、特征提取单元，用于将所述预处理后的支气管医学图像输入至所述主干网络中，并采用所述残差网络进行细节特征补充和采用所述空洞空间卷积池化金字塔增强感受野，以得到所述主干网络输出的多种尺度的特征图；
32、信息增强单元，用于将所述多种尺度的特征图输入至所述颈部网络中，并采用所述全局注意力模块进行全局信息增强，以得到所述颈部网络输出的多种尺度的张量数据；
33、目标检测单元，用于采用所述预测网络对所述多种尺度的张量数据进行特征融合，得到融合特征，并对所述融合特征进行小目标检测，得到支气管医学图像的小目标检测结果。
34、第三方面，本发明实施例还提供了一种医学图像的小目标检测设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上所述的一种医学图像的小目标检测方法。
35、第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上所述的一种医学图像的小目标检测方法。
36、可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。
1.一种医学图像的小目标检测方法，其特征在于，所述医学图像的小目标检测方法包括：
2.根据权利要求1所述的医学图像的小目标检测方法，其特征在于，所述对所述支气管医学图像进行预处理，得到预处理后的支气管医学图像，包括：
3.根据权利要求1所述的医学图像的小目标检测方法，其特征在于，所述采用所述残差网络进行细节特征补充，包括：
4.根据权利要求3所述的医学图像的小目标检测方法，其特征在于，所述采用所述空洞空间卷积池化金字塔增强感受野，包括：
5.根据权利要求1所述的医学图像的小目标检测方法，其特征在于，所述采用所述全局注意力模块进行全局信息增强，包括：
6.根据权利要求1所述的医学图像的小目标检测方法，其特征在于，所述采用所述预测网络对所述多种尺度的张量数据进行特征融合，得到融合特征，并对所述融合特征进行小目标检测，得到支气管医学图像的小目标检测结果，包括：
7.根据权利要求1所述的医学图像的小目标检测方法，其特征在于，在采用所述预测网络对所述融合特征进行小目标检测之前，所述医学图像的小目标检测方法还包括采用mish损失函数对所述小目标检测模型进行训练。
8.一种医学图像的小目标检测系统，其特征在于，所述医学图像的小目标检测系统包括：
9.一种医学图像的小目标检测设备，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的医学图像的小目标检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的医学图像的小目标检测方法。
