[发明专利]一种基于双通路网络的肺结节良恶性分类方法

权利要求书

1.一种基于双通路网络的肺结节良恶性分类方法，其特征在于，该方法的具体步骤如下：

第一步，对输入的肺结节CT图像进行预处理，提取肺结节图像，形成训练集和测试集；

第二步，将步骤1提取的肺结节图像分别经过卷积核大小为7×7、3×3的卷积操作，得到特征s1和s2；将特征s1经过1×1的卷积后，再经过BN层和Relu层后得到特征Z；将特征Z输入到Res2Net类残差连接网络中进行特征提取，得到特征A，完成局部多特征提取；

第三步，将第二步得到的特征s2输入到全局特征提取网络进行特征提取，得到特征B，以此完成全局特征提取；

全局特征提取网络包含依次连接的3×3卷积层、三个非局部块、1×1卷积层和Relu层，第一个非局部块与第二个非局部块之间、第三个非局部块与1×1卷积层之间分别加入随机失活层；

每个非局部块的输入特征分别经过三个1×1的卷积层进行通道压缩，得到特征矩阵W_v,W_k和W_q；将其中一个特征矩阵中的每个要素乘以其余任意一个特征矩阵中的每个要素，得到特征P；然后将特征P通过softmax操作得到注意力系数，将自注意力系数与特征矩阵W_v相乘，得到特征Q；最后将特征Q经过1×1卷积后，与该非局部块的输入特征进行残差连接得到该非局部块的输出特征；

第四步，第二步提取的特征A和第三步提取的特征B进行特征交互运算得到特征M，再将特征M经过全连接层和softmax操作，完成网络模型的构建；通过公式(4)进行特征交互运算：

F(l,I,f(A),f(B))＝f_A(l,I)^Tf_B(l,I) (3)

其中，f(A)和f(B)分别表示特征A和特征B的矩阵函数，I表示特征图的整体区域，l表示整体区域I中的任意一个位置；F表示在位置l处的特征交互函数；Φ(I)表示整体区域I的特征交互函数；f_A(l,I)表示特征A中位置l处的特征矩阵；f_B(l,I)表示特征B中位置l处的特征矩阵；L表示位置数量；

第五步，选取softmax函数和sigmoid函数作为激活函数；将训练集输入到网络模型中进行训练完成迭代，得到训练后的网络模型；

第六步，将肺结节CT图像输入到训练后的网络模型中，输出肺结节对应的良、恶性的分类概率，将分类概率最大的类别作为肺结节的最终分类结果；

通过上述步骤完成基于双通路网络的肺结节良恶性分类。

2.根据权利要求1所述的基于双通路网络的肺结节良恶性分类方法，其特征在于，第二步中的Res2Net类残差连接网络包含依次串联的Unit1、Unit2和Unit3三个单元模块；其中，Unit1单元模块包含3个block模块，Unit2单元模块包含4个block模块，Unit3单元模块包含6个block模块。