[发明专利]基于注意力机制的脑梗死医学影像分类模型的训练方法

权利要求书

1.一种基于注意力机制的脑梗死医学影像分类模型的训练方法，其特征在于，包括：

获取训练样本集，所述训练样本集中包括多个已标注的脑部医学影像三维序列图；

将所述训练样本集输入至预设的卷积神经网络模型中，并从所述卷积神经网络模型获取与所述脑部医学影像三维序列图对应的特征图，所述卷积神经网络模型中包括注意力模块，所述注意力模块用于对所述脑部医学影像三维序列图所包含的特征信息进行筛选；

将所述特征图输入至所述卷积神经网络模型的分类器中进行训练，并基于焦点损失函数更新所述卷积神经网络模型的参数，以使所述焦点损失函数最小化；

当更新参数后的所述卷积神经网络模型收敛时，确定所述卷积神经网络模型训练完成，并输出所述卷积神经网络模型；

其中，所述方法还包括：

获取特征分支提取的特征向量和掩码分支生成的掩码向量，其中，所述注意力模块包括所述特征分支和所述掩码分支，所述特征分支进行特征提取，所述掩码分支作为特征选择器，对所述特征分支输出的特征进行软加权；

根据所述特征向量和所述掩码向量，生成加权注意力特征图；

根据所述特征向量和所述加权注意力特征图，确定所述特征分支和所述掩码分支所属的注意力模块的输出特征图；

从每个注意力模块的输出特征图中提取出掩码大于预设阈值的局部特征图，其中，所述预设阈值预先设定，设置预设阈值为M_i,c0.5；

通过线性插值法将所述局部特征图依次进行缩放后，与全局特征图在通道域上进行拼接，生成所述脑部医学影像三维序列图对应的特征图。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本集，包括：

获取多个脑部医学影像三维序列图，并对每个所述脑部医学影像三维序列图中包含的多张二维轴向切片进行标注，生成多个训练数据；

采用预设的数据增强操作，对所述多个训练数据进行数据增强处理，生成多个增强数据；

利用所述多个训练数据和所述多个增强数据，组成所述训练样本集。

3.根据权利要求1所述的方法，其特征在于，所述注意力模块由特征分支和掩码分支组成，从所述卷积神经网络模型获取与所述脑部医学影像三维序列图对应的特征图，包括：

获取所述特征分支提取的特征向量和所述掩码分支生成的掩码向量；

根据所述特征向量和所述掩码向量，生成加权注意力特征图；

根据所述特征向量和所述加权注意力特征图，确定所述特征分支和所述掩码分支所属的注意力模块的输出特征图；

从每个所述注意力模块的输出特征图中提取出掩码大于预设阈值的局部特征图；

通过线性插值法将所述局部特征图依次进行缩放后，与全局特征图在通道域上进行拼接，生成所述脑部医学影像三维序列图对应的所述特征图。

4.一种脑梗死医学影像分类方法，其特征在于，包括：

获取待分类的脑部医学影像三维序列图，所述脑部医学影像三维序列图包括多张二维轴向切片；

将所述脑部医学影像三维序列图输入至利用权利要求1-3之任一所述的训练方法训练得到的脑梗死医学影像分类模型中，并获取所述脑梗死医学影像分类模型输出的所述多张二维轴向切片的预测结果；

根据所述多张二维轴向切片的预测结果，确定所述脑部医学影像三维序列图所属的目标类别。