[发明专利]一种空频域特征融合的医学影像特征识别方法及装置有效
申请号: | 202210166385.3 | 申请日: | 2022-02-24 |
公开(公告)号: | CN114240935B | 公开(公告)日: | 2022-05-20 |
发明(设计)人: | 李传富;刘德银;黄莉莉;赵海峰;汤进 | 申请(专利权)人: | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/50;G06N3/04;G06V10/774;G06V10/82;G06T7/60;G16H50/20 |
代理公司: | 上海汉之律师事务所 31378 | 代理人: | 冯华 |
地址: | 230094 安徽省合肥市望江西路5089号,*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 空频域 特征 融合 医学影像 识别 方法 装置 | ||
1.一种空频域特征融合的医学影像特征识别方法,其特征在于,包括:
获取待诊医学影像;
对所述待诊医学影像进行空域上的图像预处理,获得空域标准医学影像;
对所述待诊医学影像进行频域上的图像预处理,获得频域标准医学影像;
将所述空域标准医学影像和所述频域标准医学影像进行融合,获得标准医学影像特征;
将所述标准医学影像特征输入经过训练的卷积神经网络模型,获得对应的待诊医学影像的预测值,若预测值大于设定的诊断阈值,则判定诊断结果为正例,否则判定诊断结果为负例;
所述对所述待诊医学影像进行频域上的图像预处理,获得频域标准医学影像,包括:
对所述待诊医学影像进行调整,获得尺寸为第一预设尺寸整数倍的待诊医学影像;
对所述尺寸为第一预设尺寸整数倍的待诊医学影像进行离散余弦变换,获得第一预设尺寸频域医学影像;
对所述第一预设尺寸频域医学影像中的每个像素点进行归一化处理,获得归一化频域医学影像;
根据所述归一化频域医学影像中每个通道内所有像素值的平均值和最大值,计算所述归一化频域医学影像中每个通道的权重;
根据所述归一化频域医学影像中每个像素点位置上所有通道的像素值的平均值和最大值,计算所述归一化频域医学影像中每个不同像素点位置的权重;
将所述归一化频域医学影像中的每个像素值与该像素值对应通道的权重以及该像素值对应像素点位置的权重进行点乘,获得所述频域标准医学影像。
2.根据权利要求1所述的空频域特征融合的医学影像特征识别方法,其特征在于,所述对所述待诊医学影像进行空域上的图像预处理,获得空域标准医学影像,包括:
对所述待诊医学影像进行调整,获得第一预设尺寸待诊医学影像;
对所述第一预设尺寸待诊医学影像中的每个像素点的像素值进行归一化处理,获得空域标准医学影像。
3.根据权利要求1所述的空频域特征融合的医学影像特征识别方法,其特征在于,所述将所述空域标准医学影像和所述频域标准医学影像进行融合,获得标准医学影像特征,包括:
用预设数量的卷积核对所述空域标准医学影像中的特征进行提取,获得具有预设通道数的空域医学影像特征;
用预设数量的卷积核对所述频域标准医学影像中的特征进行提取,获得具有预设通道数的频域医学影像特征;
将所述空域医学影像特征与所述频域医学影像特征拼接,获得所述标准医学影像特征。
4.根据权利要求1所述的空频域特征融合的医学影像特征识别方法,其特征在于,所述卷积神经网络模型采用如下方法进行训练:
获取若干张医学影像样本以及与之一一对应的诊断标签;
对各张医学影像样本进行空域上的图像预处理,获得尺寸一致的空域标准医学影像样本;
对各张医学影像样本进行频域上的图像预处理,获得尺寸一致的频域标准医学影像样本;
将所述空域标准医学影像样本和所述频域标准医学影像样本进行融合,获得标准医学影像特征样本;
利用所述标准医学影像特征样本和所述诊断标签对所述卷积神经网络模型进行训练,直至训练的平均损失值小于预设的阈值。
5.根据权利要求4所述的空频域特征融合的医学影像特征识别方法,其特征在于,所述对各张医学影像样本进行空域上的图像预处理,获得尺寸一致的空域标准医学影像样本,包括:
对所述医学影像样本进行调整,获得第一预设尺寸医学影像样本;
对所述第一预设尺寸医学影像样本中的每个像素点的像素值进行归一化处理,获得空域标准医学影像样本。
6.根据权利要求5所述的空频域特征融合的医学影像特征识别方法,其特征在于,所述对所述医学影像样本进行调整,获得第一预设尺寸医学影像样本,包括:
对所述医学影像样本进行升采样或降采样,获得尺寸大于或等于第一预设尺寸的第一医学影像样本;
对所述第一医学影像样本进行剪裁和/或水平翻转和/或旋转,获得第一预设尺寸医学影像样本。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室),未经合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210166385.3/1.html,转载请声明来源钻瓜专利网。