[发明专利]磁共振血管壁成像的斑块处理方法、装置和计算设备

权利要求书

1.一种磁共振血管壁成像的斑块处理方法，其特征在于，所述方法包括：

训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络，其中，所述生成对抗网络包括判别器网络和生成器网络，所述生成器网络为采用残差网络结构的深度卷积网络，所述判别器网络采用传统神经网络和胶囊神经网络的混合结构，所述判别器网络或胶囊神经网络包含卷积层、PrimaaryCaps层和DigitCaps层；

将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类；

训练所述判别器网络所采用的损失函数为训练所述生成器网络所用的损失函数为L(θ_G)＝L_MSE(I^L,I^G)+10^-4L_WANG(I^G)，所述θ_D是判别器网络参数，所述θ_G是生成器网络参数，所述是参数为θ_D的判别器网络，所述x为磁共振血管壁成像数据，所述为所述磁共振血管壁成像数据经所述生成器网络分割后数据，所述是随机服从分布的随机样本，所述ε是0到1的均匀分布随机值，所述L_MSE(I^L,I^G)按照公式计算，所述L_WANG(I^G)按照公式计算，所述I^L为磁共振的分割标签，所述I^G为生成器的磁共振分割输出。

2.如权利要求1所述的磁共振血管壁成像的斑块处理方法，其特征在于，所述训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络，包括：

以三维局部磁共振血管壁成像作为训练数据，并采用Adam训练算法和动态路由更新算法训练生成对抗网络和胶囊神经网络，得到所述已训练生成器网络和已训练胶囊神经网络。

3.一种磁共振血管壁成像的斑块处理装置，其特征在于，所述装置包括：

训练模块，用于训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络，其中，所述生成对抗网络包括判别器网络和生成器网络，所述生成器网络为采用残差网络结构的深度卷积网络，所述判别器网络采用传统神经网络和胶囊神经网络的混合结构，所述判别器网络或胶囊神经网络包含卷积层、PrimaaryCaps层和DigitCaps层；

级联模块，用于将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类；

训练所述判别器网络所采用的损失函数为训练所述生成器网络所用的损失函数为L(θ_G)＝L_MSE(I^L,I^G)+10^-4L_WANG(I^G)，所述θ_D是判别器网络参数，所述θ_G是生成器网络参数，所述是参数为θ_D的判别器网络，所述x为磁共振血管壁成像数据，所述为所述磁共振血管壁成像数据经所述生成器网络分割后数据，所述是随机服从分布的随机样本，所述ε是0到1的均匀分布随机值，所述L_MSE(I^L,I^G)按照公式计算，所述L_WANG(I^G)按照公式计算，所述I^L为磁共振的分割标签，所述I^G为生成器的磁共振分割输出。

4.如权利要求3所述的磁共振血管壁成像的斑块处理装置，其特征在于，所述训练模块包括：

网络训练单元，用于以三维局部磁共振血管壁成像作为训练数据，并采用Adam训练算法和动态路由更新算法训练生成对抗网络和胶囊神经网络，得到所述已训练生成器网络和已训练胶囊神经网络。

5.一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2任意一项所述方法的步骤。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任意一项所述方法的步骤。