[发明专利]一种基于卷积神经网络的颈部淋巴结分析装置

权利要求书

1.一种基于卷积神经网络的颈部淋巴结分析装置，其特征在于，包括：

图像获取模块：用于获取带有颈部淋巴结的超声图像；

淋巴结图像提取模块：用于对所述超声图像中的颈部淋巴结进行截取，得到感兴趣颈部淋巴结图像；

淋巴结分析模块：用于将所述感兴趣颈部淋巴结图像输入卷积神经网络XDNetV2-C-NLH，确定颈部淋巴结的淋巴门结构，其中，所述淋巴门结构包括正常、偏心或消失。

2.根据权利要求1所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述卷积神经网络XDNetV2-C-NLH包括1个第一特征单元、4个第二特征单元、2个第三特征单元和1个第四特征单元，其中，所述第一特征单元依次连接2个第二特征单元、2个第五特征单元和1个第四特征单元，另2个第二特征单元均和第三特征单元相连组成2个第五特征单元。

3.根据权利要求2所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述第一特征单元包括依次连接的深度可分离卷积层、批归一化层、激活层、卷积层、激活层、层归一化层、注意力模块和相加层，并且第2个激活层的输出和相加层连接。

4.根据权利要求2所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述第二特征单元包括依次连接的卷积层、激活层、层归一化层、注意力模块、相加层、层归一化层、注意力模块和相加层，并且激活层的输出和第1个相加层连接，第1个相加层的输出和第2个相加层连接。

5.根据权利要求2所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述第三特征单元包括依次连接的激活层、批归一化层、深度可分离卷积层、激活层、批归一化层、深度可分离卷积层和相加层。

6.根据权利要求2所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述第四特征单元包括依次连接的批归一化层、激活层、全局均值池化层、失活层、全连接层和激活层。

7.根据权利要求3-6所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述注意力模块包括相对位置编码层和3个深度可分离卷积层，其中，第2个深度可分离层与第3个深度可分离层进行点乘得到第一点乘结果，第3个深度可分离层和相对位置编码层进行点乘得到第二点乘结果，所述第一点乘结果和第二点乘结果相加后与注意力激活层连接，激活层的输出和第1个深度可分离层进行点乘后与重塑层连接。

8.根据权利要求1所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述卷积神经网络XDNetV2-C-NLH采用加权分类交叉熵作为损失函数，所述加权分类交叉熵的公式为：其中，L表示卷积神经网络XDNetV2-C-NLH的预测损失，N表示样本量，K表示卷积神经网络XDNetV2-C-NLH输出层的分类数量值，w_j表示第j类的权重；y_ij表示第i个样本对应第j类的实际值，取值为1或0；表示卷积神经网络XDNetV2-C-NLH的第i个样本对应第j类的预测值。

9.根据权利要求1所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，还包括定位模块：当所述淋巴门结构被预测为正常或偏心时，通过连通域分析、开闭运算、膨胀腐蚀或阈值比较来对淋巴门结构进行定位。

10.根据权利要求9所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，还包括验证模块：用于根据所述感兴趣颈部淋巴结图像中的颈部淋巴结的淋巴门结构构建直角坐标系，并计算定位好的淋巴门结构偏离直角坐标系中心点的距离，根据所述直角坐标系偏离中心点的距离来确定淋巴门结构是否为正常或偏心。