[发明专利]一种基于神经网络的脑梗死MRI图像识别方法

权利要求书

1.一种基于神经网络的脑梗死MRI图像识别方法，其特征在于，包括以下步骤：

步骤1：采集明确具有脑梗死疾病的脑部MRI图像，该脑梗死疾病为动脉粥样硬化血栓性脑梗死，同时对每张图像进行标类，根据定义的脑梗死类型和现有图像的表现情况，建立数据联系，得到标注好的原始图像数据集合；

步骤2：数据预处理，对标注好的原始图像进行缩放和裁剪处理；对动脉粥样硬化性脑梗死的病灶进行放大，标注硬化病灶属于脑部的位置和大小；对出血性脑梗死图像进行裁剪，标出弥漫范围；并对每张图像以相同的概率翻转，以寻求提取特征值，同时进行归一化处理，得到预处理后的图像集合；

步骤3：构建神经网络，卷积神经网络总深度为11层，卷积核大小为3*3，第2、4、7层步长为2，其余层步长为1；

步骤4：训练神经网络，对所构建的神经网络进行训练，以标好的对应类标作为网络监督信息，使用优化算法调整参数减小网络输出和真实类标差距，得到训练后的神经网络；

步骤5：测试模型，将训练后的神经网络作为模型，测试头部MRI图像识别效果，并调整步骤优化算法参数继续训练，直到验证识别准确率稳定；

步骤6：诊断测试，利用图像诊断模型对测试集中的图像进行诊断，得到疾病患病概率和类型，然后再由人类技师进行校准判断，反复检测得到结果的真实性，测试结果若符合人类技师的诊断，则执行下一步骤，若不符合，返回步骤三，从设计神经网络开始，再次调整这个过程；

步骤7：输出模型和整理结果，在完成测试后，得到最终神经网络模型，利用程序对步骤6中的图像名称和诊断结果进行整理输出诊断结果表格。

2.根据权利要求1中所述的一种基于神经网络的脑梗死MRI图像识别方法，其特征在于，在步骤3构建神经网络时，对于池化层的设计采用全局平均池化层GAP；最大池化是选择每个子区域的最大值，然后使用子区域的最大值表示该子区域；平均池化是指计算出子区域的平均值，用一个平均值来分别表示子区域。