1.一种基于全局信息的乳腺超声肿瘤病变区域检测方法,其特征在于,包括以下步骤:获取乳腺超声肿瘤图像并进行预处理,得到乳腺超声肿瘤灰度图像;
构建基于YOLOv5网络的乳腺超声肿瘤病变区域检测模型,在所述乳腺超声肿瘤病变区域检测模型的训练过程中,构建高秩特征蒸馏模块和通道相关性关系蒸馏模块,所述乳腺超声肿瘤病变区域检测模型的骨干网络包括依次连接的第一单元、第二单元、第三单元和第四单元,将所述第三单元输出的低维图像特征和所述第四单元输出的高维图像特征均输入所述高秩特征蒸馏模块,并构建高秩特征蒸馏损失函数,具体包括:将高维图像特征F
rank
其中,Rank(·)表示特征图秩计算函数,w和h分别表示所述高维图像特征F将所述二维向量rank
F
根据低维图像特征F
计算所述低维图像特征F
其中,||·||
计算高维图像特征F
其中,
采用自适应卷积调整器对低维图像特征F计算
将所述乳腺超声肿瘤灰度图像输入所述经训练的乳腺超声肿瘤病变区域检测模型,得到乳腺超声肿瘤病变区域。
2.根据权利要求1所述的基于全局信息的乳腺超声肿瘤病变区域检测方法,其特征在于,所述第一单元包括依次连接的第一CBS模块和第二CBS模块,所述第二单元包括依次连接的第一C3模块、第三CBS模块和第二C3模块,所述第三单元包括第四CBS模块,所述第四单元包括依次连接的第三C3模块、第五CBS模块、第四C3模块和SPPF模块,所述高维图像特征为所述SPPF模块的输出特征。
3.根据权利要求1所述的基于全局信息的乳腺超声肿瘤病变区域检测方法,其特征在于,所述总损失函数的计算公式如下:其中,Loss表示总损失函数,Loss
4.根据权利要求1所述的基于全局信息的乳腺超声肿瘤病变区域检测方法,其特征在于,所述获取乳腺超声肿瘤图像并进行预处理,得到乳腺超声肿瘤灰度图像,具体包括:去除所述乳腺超声肿瘤图像的四周的标注信息,并增强图像对比度,增强对比度的计算公式为:y
其中,y为所述乳腺超声肿瘤图像的原始像素值,y
5.一种基于全局信息的乳腺超声肿瘤病变区域检测装置,其特征在于,包括:图像处理模块,被配置为获取乳腺超声肿瘤图像并进行预处理,得到乳腺超声肿瘤灰度图像;
模型训练模块,被配置为构建基于YOLOv5网络的乳腺超声肿瘤病变区域检测模型,在所述乳腺超声肿瘤病变区域检测模型的训练过程中,构建高秩特征蒸馏模块和通道相关性关系蒸馏模块,所述乳腺超声肿瘤病变区域检测模型的骨干网络包括依次连接的第一单元、第二单元、第三单元和第四单元,将所述第三单元输出的低维图像特征和所述第四单元输出的高维图像特征均输入所述高秩特征蒸馏模块,并构建高秩特征蒸馏损失函数,具体包括:将高维图像特征F
rank
其中,Rank(·)表示特征图秩计算函数,w和h分别表示所述高维图像特征F将所述二维向量rank
F
根据低维图像特征F
计算所述低维图像特征F
其中,||·||
计算高维图像特征F
其中,
采用自适应卷积调整器对低维图像特征F计算
计算高维图像特征F
其中,
采用自适应卷积调整器对低维图像特征F计算
预测模块,被配置为将所述乳腺超声肿瘤灰度图像输入所述经训练的乳腺超声肿瘤病变区域检测模型,得到乳腺超声肿瘤病变区域。
6.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
8.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。