[发明专利]基于胶囊网络的宫颈OCT图像分类方法

摘要

本发明提供了一种基于胶囊网络的宫颈OCT图像分类方法，以胶囊网络架构为基础，用向量输出替代标量输出，用动态路由算法替代池化操作，同时，本发明将胶囊网络与卷积神经网络VGG16模型相结合，用于提取大尺寸OCT图像的隐式特征。包括：1)将VGG16与胶囊网络相结合，使得分类模型的卷积层更复杂，适用于大尺寸图像的分类任务；2)由于胶囊网络不使用池化，删除VGG16模型中的池化层；3)更改VGG16模型的卷积层，使得分类模型可以进行参数调优；4)更改胶囊网络的输出维度，适用于宫颈OCT图像的五分类任务；5)在胶囊网络后增加全连接层，使用softmax函数进行分类；6)使用交叉熵作为损失函数。

主权项

1.基于胶囊网络的宫颈OCT图像分类方法，其特征在于，包含以下步骤：步骤1，将宫颈组织3D OCT影像以及对应的2D OCT图像划分为训练集和测试集，并确保同一组3D影像中的2D图像只存在于训练集或测试集中；步骤2，设计基于胶囊网络的OCT图像分类模型，具体为：步骤2.1，利用卷积神经网络(CNN)代替胶囊网络的卷积层；步骤2.2，删除CNN模块中的池化层；步骤2.3，更改CNN模块的卷积层，便于使用调优策略；步骤2.4，更改胶囊网络的输出维度，使其适用于宫颈OCT图像分类任务；步骤2.5，在胶囊网络后增加两个全连接层；步骤2.6，设置损失函数，用于学习模型参数；步骤3，调整训练集中2D OCT图像的大小，输入分类模型进行训练；步骤4，将测试集中2D OCT图像的大小进行调整，输入分类模型，获得2D图像的预测结果；步骤5，统计同一组3D OCT影像中2D OCT图像的预测结果，计数最多的类别即为该3D影像的预测类别。