[发明专利]一种基于卷积神经网络模型的声带白斑辅助诊断系统

权利要求书

1.一种基于卷积神经网络模型的声带白斑辅助诊断系统，其特征在于：它包括下述过程：

读取内窥镜声带白斑图像；

建立两阶段的神经网络模型,自动学习分割与分类图像；

生成包括诊断或诊断建议的报告的软件模块。

2.根据权利要求1所述的声带白斑辅助诊断系统，其特征在于：两阶段的神经网络模型，由区域建议网络RPN，基于区域的分类子网络和语义分割子网络组成。

3.根据权利要求2所述的系统，其特征在于：b步骤所述的建立方法为：

步骤1：图像处理、缩放；

步骤2：缩放后的图片输入至区域推荐网络中，区域推荐网络的整体结构由卷积神经网络和图像金字塔组成；获得若干感兴趣区域；

步骤3：在原图中对若干感兴趣区域所对应的区域进行裁剪，然后对裁剪的区域进行缩放，统一缩放为特征图，特征图的值利用ROI Align方法进行计算；

步骤4：将步骤3处理好的特征图分别输入到分割网络，分类网络以及回归网络，最后得到最终的结果。

4.根据权利要求3所述的系统，其特征在于：步骤1所述的图像处理方法为：把输入图像记为X，然后利用双线性插值的方法把原图X缩放为512*512px大小，得到新图Xnew，具体公式如下：

其中，(x₁,y₁)、(x₂,y₁)、(x₁,y₂)、(x₂,y₂)分别是插值点周围四个点的坐标，Q_**代表各点坐标简写，f(·)表示该点的像素值。

5.根据权利要求3所述的系统，其特征在于：步骤3所述的特征图缩放为7*7。

6.根据权利要求3所述的系统，其特征在于：步骤4所述的分割网络采用的是基于注意力机制的全卷积神经网络模型。

7.根据权利要求3所述的系统，其特征在于：步骤4所述的分割网络和分类网络的输出采用交叉熵损失函数Cross Entropy，回归网络的输出采用平均绝对值损失函数MeanAbsolute Error；

k代表RoI区域的索引，K代表RoI区域的总数，i代表某个特征图的元素索引，R_k代表某个RoI区域的元素集合，m_i表示某元素的类别，y_k代表某RoI区域的类别，z_ki代表四个坐标位置。