[发明专利]一种基于小样本学习的肺部CT影像特征检测系统

权利要求书

1.一种基于小样本学习的肺部CT影像特征检测系统，其特征在于，包括：

肺部CT影像预处理模块，用于对肺部CT影像进行预处理并创建训练集；

原型网络构建与训练模块，用于构建原型网络，训练得到模型；

肺部CT影像支持集预处理模块，用于获取需要诊断的肺部疾病的CT影像支持集并进行预处理；

类别原型训练模块，用于将肺部CT影像支持集预处理模块构建的支持集输入模型，得到类别原型；

肺部疾病诊断模块，输入待检测病人的肺部CT影像数据，得到诊断结果；

所述原型网络构建与训练模块包括特征向量提取模块、原型网络维度转换模块、类别表示模块、类别判定模块、模型保存模块，其中：

所述特征向量提取模块从整理出的CT影像训练集输入CNN网络VGG Net得到特征向量，并将该特征向量作为原型向量输入原型网络；

所述原型网络维度转换模块通过带参数θ的嵌入函数f_θ，原型网络模型得到N维原型向量在M维空间中的表达：

f_θ:R^N→R^M

式中，θ是预训练得出的学习参数，R^N表示N维的特征空间，R^M表示M维的投影空间；

所述类别表示模块计算一个类别k是根据它所有样本在R^M中的平均值决定，所以，类别k的原型c_k如下：

式中，S_k表示属于类k的样本，|S_k|表示类k中的样本数量，(x_i,y_i)表示第i个样本的特征向量和标签，且特征向量满足x_i∈R^N，标签满足y_i∈{1,...,Q}，其中Q表示总共有Q个类别，f_θ(x_i)为样本i在表达空间中的计算值；

所述类别判定模块是基于CT影像数据，在M维表达空间R^M内定义一个距离函数d，该距离函数满足欧几里得距离；根据基于表达空间到类别原型的距离softmax关于测试样本x的分布，在类别k下，测试样本x对于所有类别的归一化概率函数p_θ(y＝k|x)：

式中，θ为学习参数，d为给定的欧几里得距离，f_θ(x)为测试样本x在表达空间中的计算值，c_k为类别k的类别原型，k'为模型中所有类别数量，c_k'为类别k'的类别原型；由此，计算得到样本x属于类别k的归一化概率；

所述模型保存模块计算目标函数J(θ)：

J(θ)＝-log(p_θ(y＝k|x))

这里通过梯度下降法求取目标函数的最小值，从而收敛得到适用于当前环境条件的学习参数θ，保存训练模型；

所述肺部CT影像支持集预处理模块包括图像标准化模块、像素归一化模块、图像标签化模块、支持集构建模块，其中：

所述图像标准化模块针对肺部疾病，选取疾病患者的肺部CT影像，重新缩放CT图像，标准化像素大小，使每个像素点只表示1×1×1毫米的体积，平衡计算精度和计算负荷；

所述像素归一化模块负责降低像素强度，像素强度用Hounsfield来表示，即最大化Hounsfield值，进行归一化处理；

所述图像标签化模块负责将处理好的CT影像按顺序编号，对肺部患病种类进行人工辨别，并贴上对应的疾病标签K_i，其中i表示第i个样本；

所述支持集构建模块利用贴好标签的肺部CT影像集合，构建支持集M_i：

M_i＝{K₁+K₂+K₃+...+K_n}

式中，K_n为第n个样本对应的肺部CT影像，且n∈R，R为实数。