【技术实现步骤摘要】
本专利技术涉及图像处理领域，特别涉及基于sci的脊柱骨微创手术目标实时检测方法及装置。
技术介绍
1、脊柱骨微创手术作为治疗脊柱退行性疾病、脊柱肿瘤及脊柱骨折等病症的重要手段，因其创伤小、恢复快的特点而被广泛应用。然而，该类手术对术中病变区域的实时检测和精准定位要求极高，受脊柱复杂的解剖结构和手术视野受限等因素影响，传统的影像引导方法难以完全满足需求。尽管术前重建影像和术中实时影像（如x光、ct或mri）为手术导航提供了帮助，但这些影像数据往往因光照不均、器械遮挡及组织动态变化而受到噪声干扰、对比度不足等问题的影响，这降低了手术的精确性和安全性。
2、为应对上述问题，基于自校准光照增强（sci，self-calibrated illumination）的图像处理方法在近年来逐渐获得关注。sci模块能够根据手术场景中的实际光照条件，动态调整图像的亮度和对比度，从而有效减少因光照不均或过曝造成的图像质量下降问题。借助该图像增强技术，手术图像的清晰度和对比度能够得到显著提升，从而提高手术过程中目标病灶的检测精度，减少由于图像质量问题导致的误判和操作失误。
3、基于sci的脊柱骨微创手术目标实时检测方法，通过整合先进的图像增强技术与高效的实时检测算法，能够在复杂多变的手术环境中提供更加清晰、准确的图像引导。这不仅能显著提升手术的安全性和成功率，还能有效减少术中误判和漏检的风险，进一步保障患者的预后，同时展现出重要的临床应用价值和广阔的发展潜力。
技术实现思路
1、针
2、一方面，基于sci的脊柱骨微创手术目标实时检测方法，具体步骤如下：
3、s1，获取脊柱骨微创手术目标实时灰度图像，对灰度图像进行预处理并标注制作成数据集；
4、s2，构建包括backbone部分、自蒸馏部分、neck部分和head部分的目标检测模型；
5、s3，使用目标检测模型对数据集进行处理，获取自校准光照增强的脊柱骨微创手术目标实时检测的图像；
6、其中，所述backbone部分包括sci层、se层和若干交替模块；backbone部分获取数据集，数据集经过低层次特征处理后，依次经由sci层和se层处理，再经由各交替模块依次进行特征提取；每个交替模块输出的特征表示分别输出到自蒸馏部分和neck部分；所述sci层执行自校准光照增强；所述se层采用se注意力机制进行特征增强；
7、所述neck部分，获取特征表示，输出若干维度特征图；
8、所述head部分，获取维度特征图，输出自校准光照增强的脊柱骨微创手术目标实时检测的图像；
9、所述自蒸馏部分，获取来自交替模块的特征表示构建自蒸馏损失；所述自蒸馏损失结合giou损失构成所述目标检测模型的总损失函数。
10、优选的，s1中，所述对灰度图像进行预处理包括：去除脊柱骨微创手术目标实时检测图像四周的标注信息并增强图像对比度；
11、所述增强图像对比度的计算公式为；其中，表示原始图像像素点的值，表示对应增强处理后的像素值，表示对数函数，c表示常数。
12、优选的，所述sci层执行自校准光照增强，具体包括：
13、首先，对数据集中的术中图像的光照模型进行估计，如下：
14、；
15、其中，表示原始图像在像素位置的亮度值；表示像素处的真实场景反射特性；表示像素处的光照强度；
16、其次，对术中图像的光照成分进行估计，使用高斯滤波估计，公式如下：
17、；
18、其中，表示高斯滤波器，标准差为；表示原始估计的光照成分，表示自校准增强模块提供的增强调整量；
19、接着，对术中图像的反射成分进行分离，公式如下：
20、；
21、其中，表示常数，用于避免分母为零；
22、最后，对术中图像进行自校准光照增强步骤：对反射成分进行增强，将增强后的反射成分与光照成分重新组合，得到最终的增强图像，公式如下：
23、；
24、其中，表示经过自校准光照增强后的图像在像素位置处的亮度值；表示对比度调整参数，用于控制图像对比度的增强程度，取值范围为。
25、优选的，得到最终的增强图像之后，还包括：对进行边界处理；所述边界处理包括边缘保留滤波。
26、优选的，所述采用se注意力机制进行特征增强，具体如下：
27、首先，通过全局平均池化将每个通道的特征图压缩为一个标量，得到全局的特征描述，具体计算公式如下：
28、；
29、其中，表示第c个通道的全局描述标量；h表示特征图的高度，w表示特征图的宽度；表示输入特征图在第c个通道的第个像素值；
30、其次，得到每个通道的全局描述标量后，通过两个全连接层和激活函数对全局描述进行处理，生成每个通道的权重，具体计算公式如下：
31、；
32、其中，表示重新校准后的通道权重向量；和分别表示全连接层的权重矩阵；表示sigmoid激活函数；表示silu激活函数；
33、最后，将所得通道权重重新映射回每个通道的特征图，通过逐个元素相乘方式对每个通道的特征进行重新加权，具体计算公式如下：
34、；
35、其中，表示经过se模块重新校准后的第c个通道的特征图；表示输入特征图在第c个通道的特征图。
36、优选的，所述交替模块数量为三个，按数据集在模型中流动的先后顺序依次为上层交替模块、中层交替模块和下层交替模块。
37、优选的，所述获取来自交替模块的特征表示构建自蒸馏损失，具体如下：
38、首先，获得上层交替模块的输出，采用自适应卷积调整器进行调整；计算公式如下：
39、；
40、其中，表示应用于上层交替模块的卷积调整器，表示卷积参数；表示上层交替模块经卷积调整后的输出；
41、其次，获得中层交替模块的输出，采用自适应卷积调整器调整；计算公式如下：
42、；
43、其中，表示应用于中层交替模块的卷积调整器，表示卷积参数；表示中层交替模块经卷积调整后的输出；
44、最后，获得下层交替模块的输出，利用构建自蒸馏损失；总的自蒸馏损失计算公式为：
45、；
46、其中，表示自蒸馏损失；表示范数。
47、优选的，所述目标检测模型的总损失函数表示为：
48、；
49、；
【技术保护点】
1.一种基于SCI的脊柱骨微创手术目标实时检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于SCI的脊柱骨微创手术目标实时检测方法，其特征在于，S1中，所述对灰度图像进行预处理包括：去除脊柱骨微创手术目标实时检测图像四周的标注信息并增强图像对比度；
3.根据权利要求1所述的基于SCI的脊柱骨微创手术目标实时检测方法，其特征在于，所述SCI层执行自校准光照增强，具体包括：
4.根据权利要求3所述的基于SCI的脊柱骨微创手术目标实时检测方法，其特征在于，得到最终的增强图像之后，还包括：对进行边界处理；所述边界处理包括边缘保留滤波。
5.根据权利要求1所述的基于SCI的脊柱骨微创手术目标实时检测方法，其特征在于，所述采用SE注意力机制进行特征增强，具体如下：
6.根据权利要求1所述的基于SCI的脊柱骨微创手术目标实时检测方法，其特征在于，所述交替模块数量为三个，按数据集在模型中流动的先后顺序依次为上层交替模块、中层交替模块和下层交替模块。
7.根据权利要求6所述的基于SCI的脊柱骨微创手术目标实时检
8.根据权利要求7所述的基于SCI的脊柱骨微创手术目标实时检测方法，其特征在于，所述目标检测模型的总损失函数表示为：
9.根据权利要求1所述的基于SCI的脊柱骨微创手术目标实时检测方法，其特征在于，所述Head部分包括若干SE注意力模块；每个SE注意力模块对一个维度特征图进行特征增强。
10.一种基于SCI的脊柱骨微创手术目标实时检测装置，包括如下：
...【技术特征摘要】
1.一种基于sci的脊柱骨微创手术目标实时检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于sci的脊柱骨微创手术目标实时检测方法，其特征在于，s1中，所述对灰度图像进行预处理包括：去除脊柱骨微创手术目标实时检测图像四周的标注信息并增强图像对比度；
3.根据权利要求1所述的基于sci的脊柱骨微创手术目标实时检测方法，其特征在于，所述sci层执行自校准光照增强，具体包括：
4.根据权利要求3所述的基于sci的脊柱骨微创手术目标实时检测方法，其特征在于，得到最终的增强图像之后，还包括：对进行边界处理；所述边界处理包括边缘保留滤波。
5.根据权利要求1所述的基于sci的脊柱骨微创手术目标实时检测方法，其特征在于，所述采用se注意力机制进行特征增强，具体如下：
【专利技术属性】
技术研发人员：刘卓晟，王福财，张志钦，魏世鑫，阮依丹，孙浩，雷昊翔，
申请(专利权)人：华侨大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。