[发明专利]基于卷积神经网络的心脏病变自动检测系统

权利要求书

1.基于卷积神经网络的心脏病变自动检测系统，其特征在于，包括：数据库、病变信息处理模块、关键帧提取模块、数据清洗模块、信息融合及存储模块、卷积神经网络学习模块、模型存储及筛选模块以及病变检测模块；

创建所述数据库：从服务器获取医院上传的心脏冠状动脉钙化、完全闭塞及血栓患者的dicom视频，并由专业医生进行手工标注，对每个患者分别使用专用的文本文档记录医生的标注信息，所述标注信息包括：患者的病变类型以及病变的位置信息；

所述病变信息处理模块用于：

从所述数据库获取记录患者病变信息的文本文档；

针对每位患者，提取其所述文本文档中专业医生标注的所述标注信息；

完成对所有患者信息的统一管理，对所有患者的信息进行统一保存，使得患者病历号对应患者的病变信息；

将整理后的所有患者的所述病变信息输入到所述信息融合及存储模块；

所述关键帧提取模块工作标准流程为：

制定病变充分显现准则为：钙化病变在造影剂未充盈前具有最好的显现效果，血栓及完全闭塞病变在造影剂充分充盈时具有最好的显现效果；

从所述数据库获取所有患者的dicom视频；

对dicom视频进行造影图片的提取；根据病变充分显现准则，对每位患者的dicom视频进行关键帧提取，每位患者提取造影剂最充盈以及未充盈两帧；

将所有患者的关键帧造影图片统一输入到所述数据清洗模块，完成对关键帧造影图片的过滤工作；

所述数据清洗模块的工作标准流程包括：

使用输入的有、无导丝的关键帧造影图片，对有、无导丝这两类图片的特征进行提取与学习，以降低判断损失函数为目标，不断调整网络参数，使在所述数据清洗模块训练得到的有、无导丝的分类模型最终输出的判断有、无导丝的结果更加准确，之后使用训练与测试效果均较好的分类模型便可实现对造影图片中有、无导丝的自动检测，再剔除数据集中被判断为有导丝的患者关键帧造影图片，输出无导丝检测造影图片；

所述数据清洗模块设置有语义融合处理层，所述语义融合处理层利用不同尺寸的池化层来获取不同大小的特征图，使用上采样技术将每层特征统一到相同尺寸后完成聚合操作；

所述信息融合及存储模块用于：

获取所述病变信息处理模块输出的每位患者的病变信息以及所述数据清洗模块输出的每位患者经过过滤后的两张关键帧造影图片；

将患者病变信息与关键帧提取模块输出的造影图片进行匹配，根据患者的病变种类信息舍弃该患者的其中一张造影图片；舍弃准则为：若为钙化，则舍弃最充盈帧的造影图片；若为血栓及完全闭塞，则舍弃未充盈帧的造影图片；

制作测试集：随机选取一少部分患者，将其病变信息可视化于对应的关键帧造影图片，并将此部分患者的关键帧造影图片和病变信息共同作为测试集进行存储；

制作训练集：将未参与测试集的剩余患者的关键帧造影图片的ID信息同步到对应的病变信息中，完成患者病变信息与关键帧造影图片的匹配工作；将这部分患者的病变信息以及关键帧造影图片共同作为训练集进行存储；

将所述训练集输入进所述卷积神经网络学习模块，将所述测试集输入进所述模型存储及筛选模块；

所述卷积神经网络学习模块包括：残差单元学习结构和特征交叉互补模块；所述残差单元学习结构用于：在所述卷积神经网络学习模块的卷积神经网络中添加直接连通的通道；

所述残差单元学习结构包括：1*1第一卷积层、第一批处理层、第一非线性激活层、3*3卷积层、第二批处理层、第二非线性激活层、1*1第二卷积层、第三批处理层、1*1第三卷积层、第四批处理层以及第三非线性激活层；

所述特征交叉互补模块用于：当输入的各层特征图在特征合并互补层通过特征通道合并的方式进行特征融合后，通过高斯非局部特征精炼层，将局部信息进行拓展，利用周边信息辅助判断病变位置及类别；

在所述残差单元学习结构前顺序加入一层卷积层、一层批处理层、一层非线性激活层、一层池化层后，再将残差单元学习结构反复堆叠后与所述特征交叉互补模块相连，之后连接区域提取层、池化层、全连接层完成心脏冠状动脉病变检测系统中卷积神经网络学习模块的搭建；所述卷积神经网络学习模块训练学习流程包括：

设置模型基本参数，包括学习率、模型学习次数以及损失函数；

使用在coco公开数据集上的预训练模型初始化卷积神经网络模块的参数；

输入训练数据，使用随机梯度下降算法，以降低优化损失函数为目标，开始训练；

每学习一次完整的数据集，将所学模型输出到模型存储及筛选模块进行暂时保存；

若训练次数达到所设定的学习次数阈值，输出最后一个模型后，停止训练；

所述模型存储及筛选模块用于完成对模型的筛选工作；

将测试集输入进所有模型，利用非极大值抑制算法获得Top1检测框位置，剔除分数低的检测框，最终使用精确率和召回率这两个指标对模型的检测框结果进行全方位评估；

在测试完所有模型后，自动对比每个模型的指标结果，只保留测试效果最好的模型，输入到后续的病变检测模块，删除其他模型，完成模型的筛选工作，将模型的检测结果可视化输出，并与医生标注的病变可视化关键帧造影图片同时输出，进行对比；

所述病变检测模块用于使用所述模型存储及筛选模块输出的最优模型，对造影图片进行测试，完成对待检测造影图片最终的病变定位及分类工作。