[发明专利]一种基于脉冲神经网络U型模型的烧伤区域分割系统

说明书

本发明公开了一种基于脉冲神经网络U型模型的烧伤区域分割系统，包括：图像采集装置、神经网络，其特征在于所述图像采集装置用于采集患者烧伤部位的烧伤图像，所述神经网络包括脉冲神经网络U型模型和脉冲耦合神经网络，脉冲神经网络U型模型包括神经元膜电位更新及发放脉冲层、下采样层、上采样层、特征融合层和优化损失模块，通过采集的图像进行烧伤区域分割的训练，并通过训练好的脉冲神经网络U型模型分割烧伤区域，将得到烧伤区域分割结果，脉冲耦合神经网络计算自适应阈值对烧伤区域分割结果进行二值化，得到可视化结果。

技术领域

本发明涉及烧伤医疗图像处理领域，尤其是涉及一种基于脉冲神经网络U型模型的烧伤区域分割系统。

背景技术

烧伤是由于热力(火焰，热液，热蒸汽)、电流、放射线、化学物质等引起的人体组织损伤。烧伤不仅是对于皮肤的损伤，还可以深达肌肉、骨骼，严重者能引起休克、感染。深度烧伤创面愈合需要二十一天，常需要手术救治，且回复后皮肤失去弹性，干燥无渗液，需要手术植皮治疗，愈合后有瘢痕。

烧伤医疗图像处理对于烧伤的治疗有着至关重要的影响。一般情况下正确的早期处理，可以减轻烧伤的损伤程度，降低并发症以及死亡率。但是现有的检测手段类似于组织穿刺活检技术、活体染色检测技术、热成像技术等手段的检测方法复杂且费用昂贵，因此没有在临床被大规模的使用。随着图像分割算法的发展，其对于计算速度以及时效性提出了更高的要求，因此，作为在新兴的神经形态硬件上实现高效节能的脉冲神经网络，对提高图像分割算法速度以及时效性起到至关重要的作用。

脉冲神经网络(Spiking-Neuron-Networks，SNN)被誉为第三代神经网络，其对神经元的模拟更加接近实际大脑，并且将时间信息空间信息都考虑在内，比现有的人工神经网络具有更真实的生理特征和更高的计算效率。脉冲神经网络已经在手写数字识别、语音识别等领域中达到良好的效果。将脉冲神经网络技术与烧伤图像区域诊断相结合，为智能医疗提供了新思路，使得烧伤创面判别不在依靠医生的主观经验，而是采用半自动化的手段来提高判断准确率。不仅仅提高了患者的生命安全，还为患者节约救治前检测时间。

发明内容

为解决现有技术的不足，识别烧伤区域，从而实现烧伤区域的分割，同时实现对人工神经网络降低耗能、减小时延的目的，本发明采用如下的技术方案：

一种基于脉冲神经网络U型模型的烧伤区域分割系统，包括：图像采集装置、神经网络，所述图像采集装置用于采集患者烧伤部位的烧伤图像，所述神经网络包括脉冲神经网络U型模型和脉冲耦合神经网络，脉冲神经网络U型模型包括神经元膜电位更新及发放脉冲层、下采样层、上采样层、特征融合层和优化损失模块，通过采集的图像进行烧伤区域分割的训练，并通过训练好的脉冲神经网络U型模型分割烧伤区域，将得到烧伤区域分割结果，脉冲耦合神经网络计算自适应阈值对烧伤区域分割结果进行二值化，得到可视化结果。

所述神经元膜电位更新及发放脉冲层，用于更新神经元膜电压及提取发放图像特征脉冲，更新神经元膜电压采用LIF(Leaky Integrate-And-Fire)神经元模型，将图像脉冲输入脉冲神经网络U型模型，进行时空间反向传播，迭代更新网络参数，时空间反向传播算法相较于现有的神经网络算法不仅仅考虑了空间域上的反向传播，还考虑了时间域上的时间可塑性，并且采用梯度替换的方法解决了脉冲不可求导的问题；现有脉神经网络算法往往只考虑空间维度而忽视了时间维度，时空间反向传播神经元模型采用模拟时间窗口，使时间维度得以应用，将反向传播分解为垂直路径和水平路径，分别代表时间维度和空间维度，即每个神经元对来自上层的加权误差信号进行累积，并迭代更新不同层的参数，模拟时间窗口指神经元迭代脉冲序列的模拟时间步；