[发明专利]基于双线性注意力网络的医学影像数据分类方法及系统

说明书

本公开提出了基于双线性注意力网络的医学影像数据分类方法及系统，包括：提取单张静态图像的空间特征图；将上述空间特征图作为第一输入特征图，利用通道注意力机制处理第一输入特征图生成最终的通道注意力特征图；将通道注意力特征图和第一输入特征图做元素级乘法操作生成第二输入特征图；针对第二输入特征图应用空间注意力机制处理后输出二维空间注意力图；其中，所述通道注意力机制及空间注意力机制基于双线性注意力网络实现数据的处理，得到融合特征，用于分类器分类。在保证收敛速度的基础上提高了阿尔兹海默症医学影像数据分类的准确率。

技术领域

本公开属于图像数据处理技术领域，尤其涉及基于双线性注意力网络的医学影像数据分类方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

在医学影像数据领域中，由于其数据为多模态数据，目前的数据处理中大多数传统的细粒度视觉识别方法忽略了层间部分特征交互和特征学习是相互关联并可以相互加强的这一问题，因此，医学影像数据的分类不够准确，在辅助诊断过程中，现有的分类结果不精确继而影响后续的判断。

例如，在阿尔茨海默症相关的诊断中，大多数诊断主要依据临床指标和医学图像，在医学图中观察大脑相关区域的形态，临床指标中通过测定脑脊液的生物标志物等等来进行诊断评估，一般还需要结合相应的神经心理学进行评估，由于病情需要结合的原因较多，所以目前为止要想准确的对阿尔茨海默症进行有效诊断具有一定的挑战性。

在辅助诊断过程中，最常采用是利用磁共振成像来作为计算机辅助阿尔茨海默症的诊断依据，通过对特定的区域医学影像进行测量来做出相应的诊断结果。但是大多属传统的阿尔茨海默症医学影像数据的处理方式存在着一定的不足，无法对相应的数据进行准确分析和利用。

发明内容

为克服上述现有技术的不足，本公开提供了基于双线性注意力网络的医学影像数据分类方法，能够有效利用和处理影像数据，改善提高数据分类精度。

为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：

第一方面，公开了基于双线性注意力网络的医学影像数据分类方法，包括：

提取单张静态图像的空间特征图；

将上述空间特征图作为第一输入特征图，利用通道注意力机制处理第一输入特征图生成最终的通道注意力特征图；

将通道注意力特征图和第一输入特征图做元素级乘法操作生成第二输入特征图；

针对第二输入特征图应用空间注意力机制处理后输出二维空间注意力图；

其中，所述通道注意力机制及空间注意力机制基于双线性注意力网络实现数据的处理，得到融合特征，用于分类器分类。

进一步的技术方案，利用通道注意力机制处理第一输入特征图时，先将第一输入特征图分别经过全局最大池化层和全局平均池化层，然后再分别经过多层感知机，经过函数进行激活操作，生成最终的通道注意力特征图。

进一步的技术方案，针对第二输入特征图应用空间注意力机制处理时，将第二输入特征图应用最大池化层和平均池化层操作，生成两个特征映射的二维通道信息图，将结果做聚合操作生成有效的特征描述符，再经过标准卷积层将上述信息连接并进行卷积，最后输出二维空间注意力图。

进一步的技术方案，所述双线性注意力网络包括残差学习模块，用于将原始输入信息通过跳跃连接方式直接传输至下一层网络，同时梯度在反向传播时也是通过跳跃连接直接传递至上一层。

进一步的技术方案，所述双线性注意力网络为采用ResNet50作为骨架网络来构建的双线性网络，ResNet50是基于Bottleneck搭成的网络，每个层都由若干的块搭建而成，再由层组成整个网络。