[发明专利]基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统

摘要

本发明公开一种基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统，方法包括，1.基于自上而下的注意力模型剔除原始极坐标图像中的噪声；2.利用多任务神经网络对预处理图像中的易损斑块图像进行分类与分割；3.对分类与分割出的易损斑块图像进行区域精修；系统包括依次连接的基于自上而下的注意力模型剔除原始极坐标图像中的噪声得到预处理图像的子系统，利用多任务神经网络对预处理图像中的易损斑块进行分类与分割的子系统，以及对分类与分割出的易损斑块图像进行区域精修的子系统。剔除了血管对后续易损斑块识别的噪声干扰,使得易损斑块定位更加准确。

主权项

1.一种基于注意力模型及多任务神经网络的心血管易损斑块识别方法，其特征在于，包括如下步骤，步骤1，基于自上而下的注意力模型剔除原始极坐标图像中的噪声；将原始极坐标图像通过坐标转换变换为笛卡尔坐标图像；将转换后的笛卡尔坐标图像输入自上而下的注意力模型，生成同尺寸大小的二值化噪声mask，并将其剔除后得到预处理图像；步骤2，利用多任务神经网络对预处理图像中的易损斑块图像进行分类与分割；多任务神经网络包括两个分支，一个用于分类识别预处理图像中是否包含易损斑块图像的分支网络，另一个分支通过语义分割网络定位易损斑块图像的分支网络，两个分支网络共享两个卷积层；结合分类与分割两个网络分支，整个多任务神经网络的损失函数表示如下：L＝αLcls+βLseg   (3)式中，α,β代表整个网络的权重；通过对标定好的心血管OCT易损斑块图像进行训练最小化损失函数L，求解α,β后获得最优的网络结构；完成对易损斑块图像进行分类与分割；步骤3，对分类与分割出的易损斑块图像进行区域精修；通过中值滤波器剔除不连续的易损斑块图像的标签信息，从而识别获得心血管易损斑块图像的检测结果。