磁共振血管壁成像的斑块处理方法、装置和计算设备制造方法及图纸

本发明专利技术属于图像处理领域，提供了一种磁共振血管壁成像的斑块处理方法、装置和计算设备，以对磁共振血管壁成像的斑块高效、准确识别和分类。所述方法包括：训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络；将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。本发明专利技术的技术方案一方面胶囊神经网络采用向量表示的血管斑块特征信息更丰富；另一方面，将已训练生成器网络和胶囊神经网络级联为系统对磁共振血管壁成像的斑块进行识别和分类时，识别和分类的精确度能够得到大幅度提高。

【技术实现步骤摘要】
磁共振血管壁成像的斑块处理方法、装置和计算设备
本专利技术属于图像处理领域，尤其涉及一种磁共振血管壁成像的斑块处理方法、装置和计算设备。
技术介绍
磁共振血管壁成像不仅可以对颅内动脉、颈动脉和主动脉等全身血管斑块进行定量分析，也能够准确识别易损斑块的纤维帽、出血、钙化、脂质核、炎症等不稳定性特征，是目前公认最好的斑块成像方法。然而，由于三维高分辨磁共振血管壁成像的数据量巨大，每位检查者的图像可达到500幅，有经验的专业医生需要花费30分钟才能完成一名检查者的诊断。目前应用于医学领域的深度学习方法为卷积神经网络，应用领域包括医学图像处理，医学图像识别与分类等。深度学习在医学图像识别与分割中的研究，大部分基于传统的卷积神经网络算法。然而，基于卷积神经网络的深度学习方法，由于信息损失，因此不能够很好地处理图像细节。在分类问题上，基于卷积和全连层的分类网络已发展为成熟的网络结构，但分类的准确率仍然不高。综上，现有方法在磁共振血管壁成像的斑块识别和分类上存在效率低以及准确率不高的缺陷。
技术实现思路
本专利技术的目的在于提供一种磁共振血管壁成像的斑块处理方法、装置和计算设备，以对磁共振血管壁成像的斑块高效、准确识别和分类。本专利技术第一方面提供一种磁共振血管壁成像的斑块处理方法，所述方法包括：训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络；将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。本专利技术第二方面提供一种磁共振血管壁成像的斑块处理装置，所述装置包括：训练模块，用于训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络；级联模块，用于将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。本专利技术第三方面提供一种处理磁共振血管壁成像的网络，所述处理磁共振血管壁成像的网络包括生成对抗网络和胶囊神经网络；所述生成对抗网络经训练后用于对磁共振血管壁成像的斑块进行识别，所述胶囊神经网络经训练后用于对磁共振血管壁成像的斑块进行分类。本专利技术第四方面提供一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下方法的步骤：训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络；将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。本专利技术第五方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法的步骤：训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络；将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。从上述本专利技术技术方案可知，一方面，由于生成对抗网络包含胶囊神经网络，而相比于传统的卷积神经网络或全连接层神经网络采用标量表示血管斑块，胶囊神经网络采用向量表示的血管斑块特征信息更丰富；另一方面，相比于传统的深度学习算法采用梯度传播方法，胶囊神经网络使用动态路由算法学习更新网络，因此，将已训练生成器网络和胶囊神经网络级联为系统对磁共振血管壁成像的斑块进行识别和分类时，识别和分类的精确度能够得到大幅度提高。附图说明图1是本专利技术实施例提供的磁共振血管壁成像的斑块处理方法的实现流程示意图；图2本专利技术实施例提供的磁共振血管成像的斑块处理装置的结构示意图；图3是本专利技术另一实施例提供的磁共振血管成像的斑块处理装置的结构示意图；图4是本专利技术实施例提供的计算设备的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。附图1是本专利技术实施例提供的磁共振血管壁成像的斑块处理方法的实现流程示意图，主要包括以下步骤S101和S102，以下详细说明：S101，训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络。在本专利技术实施例中，生成对抗网络包括判别器网络和生成器网络，其中，判别器网络采用传统神经网络(例如，卷积神经网络等)和胶囊神经网络的混合结构，其包含卷积层、PrimaryCaps层和DigitCaps层，生成器网络为深度卷积网络，并且考虑到为了更有效地训练深层网络，生成器网络采用残差网络结构；在判别器网络和生成器网络中均采用可参数化非线性函数PreLU(ParametricRectifiedLinearUnit)作为激活函数。胶囊神经网络与判别器网络类似，也包含卷积层、PrimaryCaps层和DigitCaps层，其中，PrimaryCaps层在计算上与常规卷积层等效，但深层意义上不同，这是因为，在PrimaryCaps中，每一个胶囊(Capsule)内部由多个特征(feature)向量构成一个整体，胶囊神经网络的胶囊神经元使用squashing函数作为激活函数，并使用动态路由更新算法训练胶囊神经元，而卷积神经元则使用非线性函数ReLU(RectifiedLinearUnit)作为激活函数，使用Adam算法训练传统卷积神经元，其中，squashing函数如下：其中，sj是胶囊神经网络的输入总和，其计算方式如下：其中，参数cij由动态路由算法更新，为第i个胶囊神经元传递给下一层第j个胶囊神经元的信息，而的计算方式如下：其中，参数Wij由动态路由更新算法学习得到，ui为上一层胶囊神经元的原始输出。为了训练后得到的已训练生成器网络和胶囊神经网络具有更高的识别率和精度，同时为了尽可能地降低计算资源，作为本专利技术一个实施例，训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络可以是以三维局部磁共振血管壁成像作为训练数据，并采用Adam训练算法和动态路由更新算法训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络。需要说明的是，为了满足Wasserstein距离的K-Lipschitz假设，项目使用梯度惩罚来满足Lipschitz条件，上述对生成对抗网络和胶囊神经网络的训练过程中，训练判别器网络所采用的损失函数可以是训练生成器网络所用的损失函数可以是L(θG)＝LMSE(IL,IG)+10-4LWANG(IG)，其中，是参数为θD的判别器，x为磁共振血管壁成像数据，x～是磁共振血管壁成像数据经生成器网络分割后数据，是随机服从分布的随机样本，ε是0到1的均匀分布随机值，LMSE(IL,IG)按照公式计算，LWANG(IG)按照公式计算，其中，IL和IG分别为磁共振的分割标签和生成器的磁共振分割输出。S102，将已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。将已训练生成器网络和胶囊神经网络级联本文档来自技高网...

【技术保护点】
1.一种磁共振血管壁成像的斑块处理方法，其特征在于，所述方法包括：训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络；将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。

【技术特征摘要】
1.一种磁共振血管壁成像的斑块处理方法，其特征在于，所述方法包括：训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络；将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。2.如权利要求1所述的磁共振血管壁成像的斑块处理方法，其特征在于，所述训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络，包括：以三维局部磁共振血管壁成像作为训练数据，并采用Adam训练算法和动态路由更新算法训练生成对抗网络和胶囊神经网络，得到所述已训练生成器网络和已训练胶囊神经网络。3.如权利要求1或2所述的磁共振血管壁成像的斑块处理方法，其特征在于，所述生成对抗网络包括判别器网络和生成器网络，训练所述判别器网络所采用的损失函数为训练训练所述生成器网络所用的损失函数为L(θG)＝LMSE(IL,IG)+10-4LWANG(IG)，所述是参数为θD的判别器，所述x为磁共振血管壁成像数据，所述为所述磁共振血管壁成像数据经所述生成器网络分割后数据，所述是随机服从分布的随机样本，所述ε是0到1的均匀分布随机值，所述LMSE(IL,IG)按照公式计算，所述LWANG(IG)按照公式计算。4.一种磁共振血管壁成像的斑块处理装置，其特征在于，所述装置包括：训练模块，用于训练生成对抗网络和胶囊神经网络，得到已训练生成器网络和已训练胶囊神经网络；级联模块，用于将所述已训练生成器网络和胶囊神经网络级联为系统，以对磁共振血管壁成像的斑块进行识别和分类。5.如权利要求4所述的磁共振血管壁成像的斑块处理装置，其特征在于，所述训练模块包括：网络训练单元，用于以三维局部磁共振血管壁成像作为训练数据，并采用Adam训练算法和动态路由更新算法训练生成对抗网络和胶囊神经网络，得到所述已训练生成器网络和已训练胶囊神经网络。6.如权利要求4或5所述的磁共振血管壁成像的斑块处理装置，其特征在于，所述生成对抗网络包括判别器网...

【专利技术属性】
技术研发人员：郑海荣，刘新，胡战利，张娜，梁栋，杨永峰，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东,44