[发明专利]基于多特征深度神经网络的宫颈活检区域识别方法及装置

权利要求书

1.一种基于多特征深度神经网络的宫颈活检区域识别装置，其特征在于，包括：

图像采集单元，采集宫颈的生理盐水图像、醋酸图像和碘图像，并发送至数据处理单元；

数据处理单元，包括已训练的宫颈活检区域识别模型，所述的宫颈活检区域识别模型对生理盐水图像、醋酸图像和碘图像进行分析处理，输出宫颈存在活检区域的概率标签；

显示单元，获取所述的概率标签并显示；

所述的宫颈活检区域识别模型包括：

特征提取层，包括3个独立的特征提取子网络，分别用于提取生理盐水图像、醋酸图像和碘图像的特征；所述的特征提取子网络包括4个DenseBlock，4个DenseBlock分别包含6个12个24个和16个每个DenseBlock之前连接1个卷积层和1个池化层；每个特征提取子网络之后依次连接[1×1conv,C]，和C表示通道数，C为第4个DenseBlock输出的通道数，k为常数；

特征结合层，将特征提取层提取的3个特征通过通道维度拼接起来；

顶层，对拼接后的特征进行识别，输出宫颈存在活检区域的概率标签；所述的顶层包括2个1个全局池化层、1个全连接层和1个softmax层。

2.根据权利要求1所述的宫颈活检区域识别装置，其特征在于，对宫颈活检区域识别模型的训练方法为：

(1)获取宫颈的生理盐水图像、醋酸图像和碘图像，剔除噪声后进行识别和标记，构建训练集；

(2)采用训练集对宫颈活检区域识别模型进行训练，包括：

(2-1)对特征提取层进行预训练：

在每个特征提取子网络后依次连接1个全局池化层、1个全连接层和1个softmax层，构成一个完整的DenseNet-121网络；

分别将训练集中的生理盐水图像、醋酸图像和碘图像输入到各自的DenseNet-121网络中，输出宫颈存在活检区域的概率标签，训练至损失函数收敛；

保存各个特征提取子网络的模型参数；

(2-2)对宫颈活检区域识别模型进行训练：

将步骤(2-1)得到的各个特征提取子网络的模型参数加载到宫颈活检区域识别模型中；

分别将训练集中的生理盐水图像、醋酸图像和碘图像输入到各自的特征提取子网络中，再经过特征结合层和顶层后，输出宫颈存在活检区域的概率标签，训练至损失函数收敛；

保存训练得到的模型参数。

3.根据权利要求2所述的宫颈活检区域识别装置，其特征在于，将同一个宫颈的生理盐水图像、醋酸图像和碘图像作为一个训练样本，训练集中，存在活检区域的样本数与正常宫颈的样本数比例为0.8～1.2:1。

4.根据权利要求2所述的宫颈活检区域识别装置，其特征在于，步骤(1)中，所述剔除噪声的方法是：提取图像离中心位置的距离特征和Lab色道特征，利用混合高斯模型将图像中非宫颈面区域剔除。

5.根据权利要求2所述的宫颈活检区域识别装置，其特征在于，步骤(2)中，所述的损失函数为交叉熵损失函数。

6.一种基于权利要求1～5任一项所述的宫颈活检区域识别装置的宫颈活检区域识别方法，其特征在于，包括以下步骤：

(1)通过图像采集单元采集宫颈的生理盐水图像、醋酸图像和碘图像，输入至数据处理单元中的宫颈活检区域识别模型；

(2)通过所述的宫颈活检区域识别模型对生理盐水图像、醋酸图像和碘图像进行分析处理，输出宫颈存在活检区域的概率标签，并在显示单元显示。