[发明专利]一种基于改进MobileNet模型的蜂窝肺识别方法

权利要求书

1.一种基于改进MobileNet模型的蜂窝肺识别方法，其特征在于，包括以下步骤：

a)收集得到不同年龄段有关正常人和病人的CT图像，利用二者生成数据集，对数据集中的蜂窝肺CT影像进行数据标注和预处理；

b)将预处理的蜂窝肺CT影像数据集进行数据扩充，并按照预设比例划分为训练集和验证集；

c)构建基于改进的MobileNet的网络模型，通过训练过程得到神经网络模型的输出；所述改进的MobileNet的网络模型是通过运用不同扩张率的空洞卷积自动提取蜂窝肺CT影像中的特征信息，在不损失特征信息的基础上扩大特征提取的感受野，并且将不同层次的特征信息送入特征提取模块进行通道拼接，获得特征融合向量，之后将通过卷积操作后获得的多种特征信息通过通道拼接实现特征信息的融合，最后通过使用Sigmid线性激活函数使各通道的特征信息得以保留；

d)根据识别分类网络模型的预测值与真实值之间的损失误差更新所述网络模型的参数，所述的损失误差是通过使用交叉熵损失函数获取，所述损失误差的计算式为：

其中J(θ)为参数θ的偏导数；y⁽ⁱ⁾为第i个样本x(i)的标签；m为样本数量；hθ(*)为样本预测正确的概率；

e)采用参数更新后的MobileNet的网络模型对验证集进行测试，通过评价指标获得所述网络模型的整体性能；

f)将待预测的CT影像输入参数更新后的MobileNet的网络模型中获得预测识别结果。

2.根据权利要求1所述的一种基于改进MobileNet模型的蜂窝肺识别方法，其特征在于，步骤b中，将预处理的蜂窝肺CT影像进行数据扩充后，再进行标准化处理。

3.根据权利要求1或2所述的一种基于改进MobileNet模型的蜂窝肺识别方法，其特征在于，所述数据扩充是对预处理后的数据采用反转、平移、剪切、缩放中的一种或任意组合方式进行处理。

4.根据权利要求1所述的一种基于改进MobileNet模型的蜂窝肺识别方法，其特征在于，所述预处理是通过均值归一化和图像去噪方法用于图像处理，同时对数据集进行手动分类用于区分正常图像和病灶图像。

5.根据权利要求1所述的一种基于改进MobileNet模型的蜂窝肺识别方法，其特征在于，对经过预处理和数据扩充的CT影像进行汇总，构建蜂窝肺CT影像数据集；同时使用交叉验证法将数据集D划分为k个大小相似的互斥子集，然后用(k-1)个子集的并集作为训练集，余下的子集作为测试集。

6.根据权利要求1所述的一种基于改进MobileNet模型的蜂窝肺识别方法，其特征在于，所述步骤d中，根据损失误差，使用Adam算法对网络模型的参数进行更新。