[发明专利]一种基于超声影像人工智能算法的脂肪肝自动检测方法

权利要求书

1.一种基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：

包括步骤1：获取数据集：共N个患者，每个患者获取连续十张B超图片，共10N张图片组成图像数据集；

步骤2：数据集预处理：删除图像数据集中的无关数据；

步骤3：建立模型：以ImageNet预训练的Inception-ResNet-v2模型作为基础，通过全局平均池化层提取神经网络特征；

步骤4：模型连接输出层：利用支持向量机算法对图像数据集进行分类；

步骤5：模型训练：使用随机梯度下降法训练模型，在小批量数据上计算损失函数的梯度并迭代地更新权重与偏置项。

2.根据权利要求1所述的基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：所述步骤1获取数据集使用GE Vivid E9超声系统配备的扇形探针在2.5 MHz下操作，操作模式为一般腹部预设与谐波图像，获取图片的分辨率等于434×636。

3.根据权利要求1所述的基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：所述步骤2中的无关数据包括帧数。

4.根据权利要求1所述的基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：

所述步骤3中使用开源人工神经网络库Keras中实现的Inception-ResNet-v2 卷积神经网络模型，用Python进行计算；每张图像作为网络输入，从全局平均池化层提取网络卷积神经特征。

5.根据权利要求4所述的基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：获取网络卷积神经特征的步骤包括：第一初始化卷基层，获得A模块；第二维度削减，获得B模块；第三再次维度削减，获得C模块；第四全局平均池话，获得自然特征；第五去掉零方差特征。

6.根据权利要求1所述的基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：

所述步骤4中利用支持向量机算法对图像数据集进行分类包括：首先采用排除离群值方法对网络卷积神经特征进行归一化处理；其次设定测试集包括来自一名患者的10张图像，训练集包括来自其余患者的9N张图像；然后每个训练集，应用5-fold交叉验证和网格搜索来表示最佳支持向量机分类器的超参数和最佳内核；在训练集中，每个类的支持向量机超参数与该类频率成反比调整；标签1表示含有脂肪肝的图像，否则为-1；最后对测试集中的每个图像进行后验概率的计算，并将结果进行平均，得到与被检肝脏相关的最终后验概率。

7.根据权利要求1所述的基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：

所述随机梯度下降法训练过程中使用提前终止、降低模型复杂度和添加L2正则化以避免出现过拟合。

8.根据权利要求7所述的基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：所述提前终止包括设置模型在连续10次迭代没有取得下降后，即时终止训练，并保存最优模型。

9.根据权利要求7所述的基于超声影像人工智能算法的脂肪肝自动检测方法，其特征在于：所述降低模型复杂度包括使用Dropout随机删除网络中一半的隐藏神经元，并保持输入输出神经元保持不变；然后把网络输入图像通过修改后的网络前向传播，把得到的损失结果通过修改的网络反向传播，并不断重复这一过程。