[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

专利信息
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
【权利要求书】:

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top