[发明专利]基于进化神经网络结构搜索食管癌病变区域识别建模方法

权利要求书

1.一种基于进化神经网络结构搜索食管癌病变区域识别建模方法，其特征在于，包括如下步骤：

S1：采集并标注用于训练神经网络模型的食管图像数据集；

S2：构建用于食管癌病变区域识别的神经网络结构搜索空间；

S3：训练面向食管癌病变区域识别的超网络模型；

S4：使用进化算法在构建的超网络模型上搜索最优神经网络结构；

S5：微调搜索到的神经网络结构，并预测新输入的食管图像上的病变区域；

步骤S4中使用进化算法在构建的超网络模型上搜索最优神经网络结构，具体包括如下步骤：

S4-1：构建编码方案：使用整数来表示输入食管图像的分辨率、上采样操作类型、卷积运算操作类型；

S4-2：设计遗传操作：根据S4-1中构建的编码方案，直接使用单点拆分和重新合并操作来实现交叉，并且以0.1的概率值随机重新初始化候选解中的某一位编码来实现变异；

S4-3：确定环境选择方法：在环境选择过程中使用分割Dice值和当前模型的每秒浮点运算次数作为两个目标进行优化，采用非支配排序和拥挤距离确定种群中解的淘汰优先级，进而获得均匀分布的帕累托最优解集；

步骤S5中微调搜索到的神经网络结构，并预测新输入的食管图像上的病变区域，具体包括如下步骤：

S5-1：根据实际的运算效率约束条件，从步骤S4-3中进化算法得到的帕累托解集中，选择满足约束并且消耗FLOPs最少的解；

S5-2：将解的编码转换为实际搜索到的神经网络结构，从超网中继承相应的权重参数，然后继续在食管癌病变数据训练集上进行微调；

S5-3：将微调后的模型用于测试集，评估效果，并且进一步用于预测新输入的食管图像的病变区域。

2.根据权利要求1所述的基于进化神经网络结构搜索食管癌病变区域识别建模方法，其特征在于，步骤S1中采集并标注用于训练神经网络模型的食管图像数据集，具体包括如下步骤：

S1-1：录制并收集食管内镜检查视频流，筛选并裁剪出NBI成像模式的视频片段；

S1-2：抽取所述视频片段包含食管病变区域的视频帧，并随机抽取正常食管的视频帧；

S1-3：使用多边形对包含食管病变区域的视频帧中的病变区域进行标注，并且对病变和正常视频帧分别进行图像级别标注；

S1-4：将标注后的数据集划分成训练集、验证集、测试集三个部分。

3.根据权利要求1所述的基于进化神经网络结构搜索食管癌病变区域识别建模方法，其特征在于，步骤S2中构建用于食管癌病变区域识别的神经网络结构搜索空间，具体包括如下步骤：

S2-1：根据采集到的食管图像的尺寸，构建输入图像尺寸搜索空间，包括192×192,256×256,320×320,384×384,448×448五种分辨率；

S2-2：构建上采样操作搜索空间，包括反卷积和双线性插值两种操作；

S2-3：构建卷积操作搜索空间，包括1×1，3×3，5×5，7×7四种不同尺寸卷积核的卷积操作；每一个卷积操作之后都进行批归一化，并且使用ReLU激活函数。

4.根据权利要求3所述的基于进化神经网络结构搜索食管癌病变区域识别建模方法，其特征在于，步骤S2-2中所述的反卷积的步长为2，双线性插值的倍数为2。