[发明专利]基于深度迁移的医疗影像异常检测装置

权利要求书

1.一种基于深度迁移的医疗影像异常检测装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机存储器中存有医疗影像异常检测模型，所述计算机处理器执行所述计算机程序时实现以下步骤：

将待测试的医疗图像进行去噪、锐化处理，获得医疗输入图像；

将医疗输入图像输入至医疗影像异常检测模型中，经计算输出至检测结果；

其中，医疗影像异常检测模型的构建方法为：

构建训练样本，对获得的包含常见病症和罕见病症的医疗图像进行去噪、锐化处理，并对去噪、锐化处理的医疗图像进行分别按照水平翻转、随机修剪、尺度变换进行转换，以实现对医疗图像的数据增强，获得训练样本；

构建医疗影像异常检测网络，医疗影像异常检测网络包括特征提取单元，注意力单元以及分类单元，其中，特征提取单元包含5层依次连接的卷积层，用于提取医疗图像的图像特征；注意力单元包含self-attention机制的注意力层，用于对图像特征进行加权，获得加权特征；分类单元包含4层依次连接的全连接层，用于对加权特征进行分类预测；

医疗影像异常检测网络的训练，利用训练样本对医疗影像异常检测网络进行训练，训练时，以分类单元对训练样本的分类预测值与训练样本的真实标签的交叉熵构建分类损失；以常见病症样本与罕见病症样本的最大均值差异构建MMD损失；根据分类损失与MMD损失构建医疗影像异常检测网络的损失函数，根据损失函数更新医疗影像异常检测网络参数；当训练截止时，网络参数确定，获得医疗影像异常检测模型；

在注意力层中，实现对所提图像特征中有利于分类的特征进行着重加权，具体过程如下：

(b-1)对于由特征提取单元得到的图像特征x，进行1*1的卷积操作后得到图像特征f(x),图像特征g(x),图像特征h(x)，其中不同的是图像特征h(x)仍保持和图像特征x一样的尺寸，图像特征f(x),图像特征g(x)尺寸为图像特征x的1/8深度；

(b-2)将图像特征f(x)的专置矩阵与图像特征g(x)进行矩阵相乘，即S_ij＝f(x_i)^T*g(x_j)得到单个像素点和所有像素点之间的在特征上的自相关矩阵S，i和j为像素索引；

(b-3)对自相关特征S进行处理以获得每个值在0到1范围内的注意力权重矩阵；

其中，S_ij为自相关矩阵S中(i，j)位置上的像素值，α_j,i为注意力权重矩阵α中的(i，j)位置上的注意力权重；

(b-4)注意力层输出的加权后的特征为：

x_Attention＝o+h(x)

其中，

2.如权利要求1所述的基于深度迁移的医疗影像异常检测装置，其特征在于，MMD损失的计算公式为：

其中，src为常见病症集，tar为罕见病症集，n₁为常见病症样本数，n₂为罕见病症样本数，src_i为第i个常见病症样本，tar_i为第i个罕见病症样本。