[发明专利]基于双通道分离网络的胸部X光疾病检测装置及方法有效
申请号: | 202010157966.1 | 申请日: | 2020-03-09 |
公开(公告)号: | CN111429407B | 公开(公告)日: | 2023-05-09 |
发明(设计)人: | 王好谦;胡小婉;张永兵 | 申请(专利权)人: | 清华大学深圳国际研究生院 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06V10/764;G06V10/80;G06V10/77;G06V10/82;G06N3/0464;G06N3/08;A61B6/00 |
代理公司: | 深圳新创友知识产权代理有限公司 44223 | 代理人: | 王震宇 |
地址: | 518055 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 双通道 分离 网络 胸部 疾病 检测 装置 方法 | ||
1.一种基于双通道分离网络的胸部X光的疾病检测装置,包括计算机可读存储介质和处理器,所述计算机可读存储介质存储有可执行程序,其特征在于,所述可执行程序被所述处理器执行时,执行如下操作:
第一步:将胸部X光图像的训练数据集进行预处理,分为数据增强和归一正则化两部分;
第二步:训练双通道分离深度网络,分通道提取各级特征并进行融合,在分类层进行损失函数最小化,进行网络的完整训练;所述第二步具体包括:将经过预处理后的输入图像进行通道分离,一部分通道经过上半分支的残差学习网络(ResNet),另一部分通过下半分支的密集连接网络(DenseNet),之后将提取的特征进行融合,分别经过池化层、全连接层和分类层之后搭建完整的双通道分离网络,使用所有训练集图像对网络进行训练,得到最优的网络参数;
第三步:利用训练好的网络对输入的胸部X光图像进行分类,得到图像中包含的病变种类和概率;
第四步:利用训练好的网络对输入的胸部X光图像中的疾病进行定位。
2.如权利要求1所述的胸部X光疾病检测装置,其特征在于:所述第一步具体包括:使用包含多个患者的多张胸部正面视图的X射线原始图像,将所述原始图像进行预处理,首先通过将图像进行翻转、平移和缩放变换进行数据增强,之后将图像进行标准归一化和正则化处理,以平衡数据分布,加快网络收敛。
3.如权利要求1至2任一项所述的胸部X光疾病检测装置,其特征在于:所述第三步具体包括:将待检测的胸部X光图像输入上一步训练好的网络中,经过最后的分类层,在分类端输出该待检测图像是否包含病变的结果,并输出所包含病变的种类和预测概率。
4.如权利要求1至2任一项所述的胸部X光疾病检测装置,其特征在于:所述第四步具体包括:将上一步得到检测结果图像进行显著性显示,使用类激活图的方法,然后将检测结果中的重要区域用输出层权重映射回卷积层特征,得到待检测图像中病变区域的可视化结果。
5.如权利要求1至2任一项所述的胸部X光疾病检测装置,其特征在于:所述第四步还包括:通过热力图显示病变的位置,并对病变区域使用矩形框进行标注。
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可执行程序,其特征在于,所述可执行程序被处理器执行时,执行如权利要求1至5任一项所述的操作。
7.一种基于双通道分离网络的胸部X光的疾病检测装置,其特征在于,包括:
图像采集装置,其经配置以采集胸部X光图像;
处理器,其经配置以用于执行如权利要求1至5任一项所述的操作。
8.一种用于胸部X光的疾病检测的双通道分离网络建立方法,其特征在于,包括如下步骤:
第一步:将胸部X光图像的训练数据集进行预处理,分为数据增强和归一正则化两部分;
第二步:训练双通道分离深度网络,分通道提取各级特征并进行融合,在分类层进行损失函数最小化,进行网络的完整训练;所述第二步具体包括:将经过预处理后的输入图像进行通道分离,一部分通道经过上半分支的残差学习网络(ResNet),另一部分通过下半分支的密集连接网络(DenseNet),之后将提取的特征进行融合,分别经过池化层、全连接层和分类层之后搭建完整的双通道分离网络,使用所有训练集图像对网络进行训练,得到最优的网络参数。
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清华大学深圳国际研究生院,未经清华大学深圳国际研究生院许可,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/202010157966.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种工作流引擎系统和业务处理方法
- 下一篇:磁控谐振试验变压器限流保护装置