[发明专利]一种基于弱监督相似评估网络的肺部CT图像相似检索方法

权利要求书

1.一种基于弱监督相似评估网络的肺部CT图像相似检索方法，包括WSSENet网络结构，所述WSSENet包括数据集生成器和相似度计算器，其特征在于，所述方法包括如下步骤：

步骤1：基于LUNA16数据集，训练出WSSENet；

步骤2：基于WSSENet，实现肺部CT图像的top-k检索。

2.根据权利要求1所述的基于弱监督相似评估网络的肺部CT图像相似检索方法，其特征在于，所述数据集生成器中包含空间变换层，用于生成网络训练初始训练集，使接下来的网络训练趋向于不确切监督，即训练样本只有粗粒度的标签；STL负责为每一个输入提供一种基于薄板样条插值的空间变换。

3.根据权利要求1所述的基于弱监督相似评估网络的肺部CT图像相似检索方法，其特征在于，所述相似度计算器中包含轮廓相似度计算和细节相似度计算，所述相似度计算器的任务是计算出两张肺部CT图像的相似度S，其中S包括S_p和S_d，S_p表示轮廓相似度，即两张图像在肺实质轮廓形状方面的相似度，是相对低精度的相似度，S_d表示细节相似度，表示两张图像在肺实质内部的毛细血管、结节等软组织形状位置方面的相似度，是相对高精度的相似度；

所述轮廓相似度计算器由Vision Transformer构成，所述细节相似度计算器由resnet18的变体构成，所述resnet18的变体是将全连接层替换成了对位置更加敏感的卷积层。

4.根据权利要求1所述的基于弱监督相似评估网络的肺部CT图像相似检索方法，其特征在于，所述步骤1包括步骤1.1：

首先对初始图像M进行预处理，提取出肺部CT图像中的肺实质部分，生成图像I，然后将其输入STL生成轮廓相似度计算器训练所需的数据集以及标签，称为训练集S₁；

通过不同CT值对应在图中的不同灰度值对图像进行二值化，再利用种子填充算法将外部的空气和内部的躯干分割开来，得到肺部掩膜，先膨胀肺部，将小的空洞填充，再腐蚀，恢复原来的大小，最后保留最大的连通域，此时最大的连通域就是肺部，得到预处理后图像I₁；

然后利用STL生成轮廓相似度计算器所需的数据集以及标签，I₁（512*512*1），经过STL使其发生轻微形变生成图像I₂（512*512*1），那么就可以认为I₁和I₂是相似的，将它们合成为一个2*512*512的张量，并赋予标签1；找到轮廓不相似的一组图像：与I₁轮廓不相似的图像可以在同一个病例的CT扫描图像中找到不同层级的切面图片，并将他们合成为一个2*512*512的张量，并赋予标签0。

5.根据权利要求4所述的基于弱监督相似评估网络的肺部CT图像相似检索方法，其特征在于，所述步骤1包括步骤1.2：

搭建Vision Transformer模型作为轮廓相似度计算器，利用训练集S₁训练轮廓相似度计算器，使轮廓相似度计算器可以计算两张肺部CT图像肺实质轮廓的相似度，将训练集S₁与训练集S₂统一称为S，相似度计算器训练具体如下：

选择sigmoid函数g(x)作为激活函数，以交叉熵函数h(y)作为轮廓相似度计算器与细节相似度计算器的损失函数，y=g(x)；训练时，使用Adam优化器来训练网络，初始学习率为0.001，在训练过程中，若损失函数出现收敛，则将学习率调为0.0001继续学习，直至收敛。