[发明专利]基于卷积神经网络的阿尔茨海默病变区域的检测方法在审
申请号: | 201910149445.9 | 申请日: | 2019-02-28 |
公开(公告)号: | CN109934804A | 公开(公告)日: | 2019-06-25 |
发明(设计)人: | 梅宇;黄旗明;程旭辉 | 申请(专利权)人: | 北京科技大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06N3/04 |
代理公司: | 北京市广友专利事务所有限责任公司 11237 | 代理人: | 张仲波 |
地址: | 100083*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 阿尔茨海默病 核磁共振图像 脑部 卷积神经网络 病变区域 特征图 病灶 分类 检测 神经网络模型 病灶检测 发病阶段 分类网络 区域生成 提取特征 网络模型 送入 改进 | ||
1.一种基于卷积神经网络的阿尔茨海默病变区域的检测方法,该方法是针对脑部核磁共振图像,包括如下步骤:
训练改进的AlexNet神经网络模型,用于提取原始脑部核磁共振图像的特征,生成特征图;
训练区域生成网络模型,生成proposal,用于定位出脑部核磁共振图像的病变区域;
将特征图和proposal送入后续分类网络进行分类训练;
利用训练好的整个网络模型对输入脑部核磁共振图像进行阿尔茨海默病变区域的检测。
2.根据权利要求1所述的方法,其特征在于,用预处理过的训练样本训练AlexNet神经网络模型,包括:
选用大脑的冠状位核磁共振图像,这是因为医生在确诊AD时更多是根据冠状位图,本方法力求可以与医生的临床诊断过程一致;
因为脑部核磁共振图像一般都是三个方位图一同展示的,所以需要对核磁共振图像进行调整,只截取冠状位图像;
改进AlexNet网络结构:因为AD患者的海马体已重度萎缩,所以根据疾病特征增加卷积核个数或者改变卷积层可以更好地进行诊断;经过阅读文献发现在原AlexNet神经网络模型的第三层和第四层的特征提取能力最强,所以增加了第三、四层的卷积核个数以及在第四层后新加了一层;改进后的AlexNet网络结构为六层卷积层,每层卷积后面各有一个ReLU层,其中第一、二、六层的ReLU层后面各有一个池化层;在第一、二层的池化层之后各有一个Norm层,用来消除不同阿尔茨海默病图像之间的灰度差异;在六层之后,有两层全连接层以及一个Softmax层,整个网络共九层结构;
用预处理好的脑部核磁共振图像作为训练集训练改进后的AlexNet神经网络模型;训练完毕后,去掉全连接层和Softmax层,因为测试时该网络模型并不用来分类,只是为了提取原始图像中的特征图。
3.根据权利要求1所述的方法,其特征在于,用提取出的特征图和病变区域作为训练样本训练区域生成网络模型,包括:
根据专家标注的区域提取原始数据的病变区域;
设计区域生成网络结构:将facter-rcnn算法的区域生成网络部分进行修改,由于病变区域尺寸较小,这里去掉那些尺寸较大的anchors,只留下可能符合病变区域大小的anchors,可以显著加快训练速度;
用提取出的特征图和专家标记的病变区域作为训练集训练区域生成网络。
4.根据权利要求1所述的方法,其特征在于,用训练好的网络模型对输入脑部核磁共振图像进行检测,包括:
对输入脑部核磁共振图像截取冠状位图像;
用训练好的改进AlexNet神经网络模型对输入脑部核磁共振图像进行特征提取,提取出特征图;
用训练好的区域生成网络模型对特征图进行病变区域定位,生成proposal;
用训练好的分类网络对带有proposal的特征图进行处理分类,完成对病变区域的检测。
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北京科技大学,未经北京科技大学许可,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/201910149445.9/1.html,转载请声明来源钻瓜专利网。