(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211221996.X (22)申请日 2022.10.08 (71)申请人 安好 地址 300450 天津市滨 海新区兴宇路锦润 华庭14号楼2门401号 (72)发明人 安好　 (74)专利代理 机构 合肥律众知识产权代理有限 公司 34147 专利代理师 夏舜 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/82(2022.01) G06V 10/20(2022.01) G06V 10/25(2022.01) G06V 10/764(2022.01)G06V 10/766(2022.01) G06V 10/80(2022.01) H04N 5/33(2006.01) (54)发明名称 一种基于红外热成像的浅表病变 检测系统 (57)摘要 本发明涉及浅表病变检测， 具体涉及一种基 于红外热成像的浅表病变检测系统， 包括服务器 以及红外图像获取模块， 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， 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； 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， 服务器通 过目标图像淡化模块对目标病变图像进行淡化； 本发明提供的技术方案能够克服现有技术所存 在的不能对病变区域图像进行准确提取， 病变类 型识别准确率较低的缺陷。 权利要求书2页 说明书6页 附图2页 CN 115546147 A 2022.12.30 CN 115546147 A 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。权　利　要　求　书 1/2 页 2 CN 115546147 A 26.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。 8.根据权利要求7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 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， 包括： 将目标病变淡化图像输入双流卷积神经网络中的一路卷积神经网络， 得到局部特征 图； 将目标病变淡化图像对应的预处理的近红外病灶图像输入双流卷积神经网络中的另 一路卷积神经网络， 得到全局特 征图； 连接局部特征图与全局特征图， 并作为最终特征输入至双流卷积神经网络的全连接 层， 输出近红外病灶图像对应的病变 类型。 9.根据权利要求1 ‑8中任意一项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， 包括： 使用低通滤波器滤除近红外病灶图像中的噪声， 通过插值对近红外病灶图像进行尺寸 标准化； 获取尺寸标准化后的近红外病灶图像对应的灰度图像， 并对灰度图像进行归一化处 理。 10.根据权利要求9所述的基于红外热成像的浅表病变检测系统， 其特征在于： 所述对 灰度图像进行归一 化处理， 包括： 采用下式对灰度图像进行归一 化处理： 其中， y为输出像素值， x为输入像素值， pmax为灰度图像中的最大像素值， pmin为灰度图 像中的最小像素值。权　利　要　求　书 2/2 页 3 CN 115546147 A 3