[发明专利]一种基于时空循环注意力机制的CT淋巴结检测系统

权利要求书

1.一种基于时空循环注意力机制的CT淋巴结检测系统，其特征在于，包括训练样本提取模块、深层特征提取网络、特征嵌入网络和时空循环注意力目标检测模块，检测过程包括以下步骤：

步骤一：利用训练样本提取模块对获取到的淋巴结dcm格式文件及对应的淋巴结标注位置坐标信息，采用python中的pydicom模块对每个淋巴结抽取出长度为L，宽为W、高为H的CT切片图像块序列I_i(i＝1,2,...,L)，

步骤二：基于深层特征提取网络，利用由自然图像预训练好的VGG-16模型对每一淋巴结的CT切片图像块序列提取出其对应的高层空间特征图谱序列，记为{X₀,...,X_L}；

步骤三：构建特征嵌入网络，对输入的高层特征图谱序列进行降维，输出特征图谱A_i；

步骤四：构建时空循环注意力框架，基于循环神经网络和高斯核函数，执行空间注意力机制，获得空间注意力结果

步骤五：对步骤四获得的空间注意力结果实施时间注意力机制，得到时空注意力特征

步骤六：综合步骤五得到的时空注意力特征利用步骤四已构建的循环神经网络预测出此循环注意力迭代步的淋巴结阳性得分

步骤七：构建模型的损失函数，重复T次步骤四至步骤六，利用梯度反向传播算法，对模型进行有监督训练；

步骤八：重复步骤三至七，对模型进行迭代训练，直至训练结束，得到训练好的模型；

步骤九：输入待检测的淋巴结CT序列，进行模型推理过程，将最后一次循环注意力输出的阳性得分作为CT淋巴结检测结果。

2.如权利要求1所述的基于时空循环注意力机制的CT淋巴结检测系统，其特征在于，所述步骤四具体包括以下步骤：

步骤4.1：构建两层长短时循环记忆网络；

步骤4.2：构造特征图谱的编码过程，对长短时循环记忆网络的状态进行初始化；

步骤4.3：利用一发射网络，预测出在特征图谱范围内的空间注意力位置；

步骤4.4：基于二维高斯核函数，构造出注意力矩阵l^(t)；

步骤4.5：l^(t)与A_i逐元素相乘，并求和，获得空间注意力结果特征

3.如权利要求2所述的基于时空循环注意力机制的CT淋巴结检测系统，其特征在于，在步骤4.1中，循环神经网络是基于两层结构的长短时循环记忆网络构建，隐藏层表达式由如式(1)所示，

其中：对应的R_recur(·)展开为式(2)：

其中，i_t，f_t，o_t分别代表输入门，遗忘门和输出门；c_t，h_t分别表示细胞状态和隐藏层状态；表示第t步注意力机制输入到长短时循环记忆网络的特征向量；为一个由可训练参数构成的仿射变换，a＝d+E，b＝4d；d为i_t,f_t,o_t,g_t,c_t和h_t对应的相同向量维数，E为输入特征降维后的维数，将上述R_recur(·)中的替换成后得到对应的R_recur(·)。

4.如权利要求2所述的基于时空循环注意力机制的CT淋巴结检测系统，其特征在于，所述步骤4.2具体包括如下步骤：

步骤4.2.1：构造与(1)式相同结构的一新的双层长短时循环记忆网络；

步骤4.2.2：将步骤3中每个淋巴结CT切片序列正中心位置处对应的特征图谱A_mid，按照空间邻域进行划分；具体将8×8×200按相邻四个位置为一组，总共分成16个2×2×200个子特征块；

步骤4.2.3:对将该16个子特征块按照从外向内顺时针顺序依次输入到新的双层长短时循环记忆网络中，经过16次循环，获取最后时刻LSTM第二层对应的细胞状态用来初始化步骤4.1中的长短时循环记忆网络第二层细胞状态