[发明专利]基于深度神经网络的肝部病例图像分类方法及系统在审
申请号: | 202010350199.6 | 申请日: | 2020-04-28 |
公开(公告)号: | CN111666972A | 公开(公告)日: | 2020-09-15 |
发明(设计)人: | 江瑞;章博亨;陈传椿;付俊;丁宗仁;李保晟 | 申请(专利权)人: | 清华大学;福州宜星大数据产业投资有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京鸿元知识产权代理有限公司 11327 | 代理人: | 张超艳;董永辉 |
地址: | 100084 北京市海淀区北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 神经网络 肝部 病例 图像 分类 方法 系统 | ||
1.一种基于深度神经网络的肝部病例图像分类方法,其特征在于,包括:
获得属于同一用户设定时间段的多张病例图像;
对多张病例图像进行重采样,形成单张三维病例图像;
将上述单张三维病例图像输入深度神经网络模型提取图像特征,所述图像特征包括图像颜色通道、位置信息、纹理和图像像素点之间关联性;
采用注意力机制对上述图像特征赋予权重,与肝脏有关的图像特征的权重大于其他图像特征的权重;
将赋予权重的图像特征输入分类器,获得单张三维病例图像的分类概率,所述分类概率表示正常概率和非正常概率。
2.根据权利要求1所述的基于深度神经网络的肝部病例图像分类方法,其特征在于,还包括:
对重采样后的单张三维病例图像进行裁剪,获得多张尺寸统一的三维病例图像块,将多张三维图像块输入深度神经网络模型。
3.根据权利要求2所述的基于深度神经网络的肝部病例图像分类方法,其特征在于,所述深度神经网络模型和分类器的训练步骤包括:
获得已知分类的多个用户的病例图像,每一个用户具有多张肝部病例图像;
将每个用户的多张病例图像进行重采样,形成每个用户的单张三维病例图像;
对每个用户重采样后的单张三维病例图像进行裁剪,获得每个用户的多张尺寸统一的三维病例图像块,构成深度神经网络的第一训练集;
采用深度神经网络提取第一训练集中每个用户的图像特征;
采用注意力机制对每个用户的图像特征赋予权重,形成分类器的第二训练集;
将第二训练集输入分类器,获得第二训练集中每个用户的病例图像的分类;
采用交叉熵损失函数迭代对深度神经网络和分类器进行迭代训练。
4.根据权利要求1所述的基于深度神经网络的肝部病例图像分类方法,其特征在于,所述对多张病例图像进行重采样的步骤包括:
将属于同一用户的多张病例图像的二维图像按照从包含心脏的病例图像到包含腹部的病例图像堆叠为一个三维病例图像;
对三维病例图像进行重采样,将堆叠后的多张病例图像在厚度方向线性插值至设定厚度。
5.根据权利要求4所述的基于深度神经网络的肝部病例图像分类方法,其特征在于,所述对多张病例图像进行重采样的步骤还包括:
对重采样后的三维病例图像进行阈值映射。
6.根据权利要求1所述的基于深度神经网络的肝部病例图像分类方法,其特征在于,所述多张病例图像为弱标注的病例图像,所述弱标注是标注了病例图像中是否有病变,但是没有标注病变位置的病例图像。
7.根据权利要求1所述的基于深度神经网络的肝部病例图像分类方法,其特征在于,所述深度神经网络为Bninception网络,包括多个卷积层、池化层、数据压平层和融合层,采用注意力机制对Bninception网络倒数3个卷积层输出的图像特征进行筛选,筛选出与肝脏有关的图像特征,将筛选出的图像特征输入池化层、数据压平层和融合层,进行与肝脏有关的图像特征的特征融合。
8.根据权利要求1所述的基于深度神经网络的肝部病例图像分类方法,其特征在于,所述采用注意力机制对上述图像特征赋予权重的步骤包括:
采用压缩操作,按照空间维度来进行压缩图像特征,将二维的特征通道变成1个数;
采用激发操作,为每个特征通道配有一个权重,所述权重反应特征通道之间相关性;
采用重复值操作,将激励操作的输出加权到原来的图像特征上。
9.根据权利要求1所述的基于深度神经网络的肝部病例图像分类方法,其特征在于,所述深度神经网络包括多个神经网络模型,将多个神经网络模型经分类器输出的多个分类概率的平均值作为分类概率的最终结果。
10.一种基于深度神经网络的肝部病例图像分类系统,其特征在于,包括:
采集模块,采集属于同一用户设定时间段的多张病例图像;
重采样模块,对多张病例图像进行重采样,形成单张三维病例图像;
图像特征提取模块,将上述单张三维病例图像输入深度神经网络模型提取图像特征,所述图像特征包括图像颜色通道、位置信息、纹理和图像像素点之间关联性;
赋权模块,采用注意力机制对上述图像特征赋予权重,与肝脏有关的图像特征的权重大于其他图像特征的权重;
分类模块,将赋予权重的图像特征输入分类器,获得单张三维病例图像的分类概率,所述分类概率表示正常概率和非正常概率。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学;福州宜星大数据产业投资有限公司,未经清华大学;福州宜星大数据产业投资有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010350199.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:步进式食管扩张球囊
- 下一篇:口罩组装生产线及口罩组装方法