[发明专利]基于注意力机制与多路融合的医学图像神经网络辅助诊断方法

权利要求书

1.一种基于注意力机制与多路融合的医学图像神经网络辅助诊断方法，其特征在于:包括以下步骤：

步骤1，将成熟图像数据库中的原始医学图像进行预处理调整，将预处理后的医学图像划分为训练集和测试集；

步骤2，对所有医学图像进行矩阵转化，生成特征信息矩阵Y_out，对训练集的特征信息矩阵Y_out进行迭代转化，求得损失值，所有特征信息矩阵Y_out迭代后的损失值求和取平均，得到平均损失loss_m，优化训练模型中的参数；

步骤3，结合验证集医学图像的人工标定结果，将验证集的特征信息矩阵Y_out送入训练模型中，根据训练模型的结果与其人工标定结果作对比，得到验证集全部医学图像的平均精度AC_mean，并对经过迭代对比，提取其中最高精度AC_mean时的参数作为最优的训练模型参数；

步骤4，将病理图像进行预处理调整，再进行矩阵转化，生成病理特征信息矩阵，将病理特征信息矩阵送入最优的训练模型，获得获得二值化的病理图像，根据病理图像诊断出病情。

2.根据权利要求1所述的基于注意力机制与多路融合的医学图像神经网络辅助诊断方法，其特征在于：所述预处理方法是：

在加载原始医学图像和病理图像时，先按照图像在文件夹中的排列顺序全部加载，以图像名称作为唯一标签，再打乱加载完的标签，重新排列；对所有图像的亮度值、对比度、饱和度和色相值进行随机修改，修改范围为40％～160％；

最后使用随机裁剪方法对改变后的图像进行裁剪，统一图像尺寸，实现对图像数据的预处理。

3.根据权利要求1所述的基于注意力机制与多路融合的医学图像神经网络辅助诊断方法，其特征在于：所述矩阵转化方法是：

将预处理后的图像转化为RGB三通道的输入矩阵X，对输入矩阵X进行一次下采样得到X₁，保留X₁并再对X₁进行下采样得到X₂，保留X₂并对X₂进行下采样得到X₃，保留X₃并对X₃进行下采样得到X₄；

对X₄进行上采样得到X’₃，将X₃与X’₃进行拼接融合，再将X₃与X’₃的融合体上采样得到X’₂，将X’₂与X₂拼接融合，再X’₂与X₂的融合体上采样得到X’₁，将X’₁与X₁拼接融合，再将X’₁与X₁的融合体上采样得到X₀，最后将X₀与X₁拼接融合，得到分割图形的特征信息矩阵Y_out。