[发明专利]一种基于NPU本地语义分割的甲状腺病变检测系统

权利要求书

1.一种基于NPU本地语义分割的甲状腺病变检测系统，包括高分辨率甲状腺病变图像采集模块、神经网络语义分割模块、NPU边缘设备图像处理模块和可视化模块，其特征在于：

所述图像采集预处理模块，用于采集甲状腺病变图像，进行数据增强预处理；

所述神经网络语义分割模块，采用MindSpore深度学习框架进行语义分割模型训练，将大量原始甲状腺病变图像和标签，输入到神经网络中训练，得到可分割出病变区域的网络模型；

所述NPU边缘设备图像处理模块，将训练好的网络模型部署在NPU上，将摄像头采集的甲状腺病变图片经过语义分割网络本地计算推理，得到病变输出结果；

所述可视化模块，实时呈现NPU推理后的结果。

2.根据权利要求1所述的一种基于NPU本地语义分割的甲状腺病变检测系统，其特征在于所述图像采集预处理模块，采用CMOS摄像头采集高分辨率甲状腺病变图像。

3.根据权利要求1所述的一种基于NPU本地语义分割的甲状腺病变检测系统，其特征在于所述图像采集预处理模块，拍摄800万物理像素以上的图片，采集3280×2464像素以上的静态图片，支持多种格式的摄像模式，将摄像头采集甲状腺图片保存至本地后，进行图像预处理，包括数据增强和尺寸调整。

4.根据权利要求1所述的一种基于NPU本地语义分割的甲状腺病变检测系统，其特征在于所述的神经网络语义分割模块，使用Atti-Unet作为语义分割网络，结合Unet网络的卷积特征提取特点和注意力机制Attention，对权重进行分配及关注重点特点，对甲状腺进行分割，包括数据预处理、甲状腺结节语义分割模块、网络结构优化模块；

所述数据预处理模块，将原始图片转换为适合语义分割神经网络处理的图像格式；

所述甲状腺结节语义分割模型，使用Atti-Unet神经网络进行图像语义分割，分割出甲状腺结节部分，其分割模型网络结构结合Unet和Attention注意力机制，利用卷积特征提取能力提取原始图片中各个维度的语义特征，加入注意力机制应用与通道和空间维度进行权重分配，使其可以关注到重点部分；

所述网络结构优化模型，用于定义训练和验证方法，将原始图片标签和网络输出结果送入损失函数中获取损失值，定义优化器，根据损失值反向传播调整网络参数，使损失值不断减小，网络参数达到分割效果最优的情况。

5.根据权利要求4所述的一种基于NPU本地语义分割的甲状腺病变检测系统，其特征在于所述数据预处理模块，将待处理的甲状腺原始图片进行归一化、缩放、补边、中心裁剪、数据格式转换、通道转换操作。

6.根据权利要求4所述的一种基于NPU本地语义分割的甲状腺病变检测系统，其特征在于所述甲状腺结节语义分割网络使用MindSpore框架构建，使用甲状腺CT图片和图片标签训练神经网络，调整模型参数，优化神经网络模型，使用MindInsight进行中间结果可视化，根据可视化结果手动调整优化网络结构。

7.根据权利要求1所述的一种基于NPU本地语义分割的甲状腺病变检测系统，其特征在于所述NPU边缘设备图像处理模块，采用达芬奇架构，包括三种运算资源：矩阵计算单元、向量计算单元和标量计算单元，分别对应了张量、向量、标量三种常见的深度学习神经网计算模式，加速本地神经网络的推理过程。

8.根据权利要求1所述的一种基于NPU本地语义分割的甲状腺病变检测系统，其特征在于所述可视化模块，将网络推理的结果推流到Nginx服务器，实时显示甲状腺结节分割结果。