用于婴幼儿脑病历图像分割的全卷积遗传神经网络优化方法技术

本发明专利技术公开了一种用于婴幼儿脑病历图像分割的全卷积遗传神经网络方法，属于医学图像信息智能处理领域，首先输入婴幼儿脑病历图像数据，对图像预处理，并根据DMPGA‑FCN网络权值长度L对参数进行遗传编码初始化；然后将m个个体随机划分至遗传原生子种群Pop中并衍生孪生子种群Pop′，子种群在不相交区间确定各自交换概率p

【技术实现步骤摘要】
用于婴幼儿脑病历图像分割的全卷积遗传神经网络优化方法
本专利技术涉及到医学图像信息智能处理领域，具体来说涉及一种用于婴幼儿脑病历图像分割的全卷积遗传神经网络方法。
技术介绍
婴幼儿期是大脑发育的关键时期，不仅发育快、而且可塑性强，罹患各种脑病的几率也大大高于成人或其他成长时期。近年来，高危儿和极低体重儿生存几率的大幅度提高，婴幼儿脑部疾病的发生率呈现上升趋势，早期诊断具有较大困难。因此积极探索婴幼儿脑病的计算机智能辅助早期诊断方法，对婴幼儿脑疾病的诊断和评估具有重要意义。近年来随着带注释数据量的快速增大和图形处理器单元性能的巨大提升，全卷积神经网络的研究迅速兴起，在图像分割应用领域具有较好的优势。但由于婴幼儿脑病历图像的图像具有分辨率低，图像的灰度不均匀性等特征，采用传统的全卷积神经网络方法对婴幼儿脑病历图像进行分割时,容易出现梯度下降、算法易陷入局部最优解和图像特征信息无法有效保留等显著问题，导致这些方法在婴幼儿脑病历图像分割时出现耗时多、训练难、精度低等问题，从而不能获取高准确度的婴幼儿脑病历分割图像。<br>
技术实现思路
<本文档来自技高网...

【技术保护点】
1.一种用于婴幼儿脑病历图像分割的全卷积遗传神经网络方法，具体步骤如下：/n步骤1，输入婴幼儿脑病历图像标准分割图像，对婴幼儿脑病历图像进行灰度处理和增强处理，然后使用图像标记工具Image Labeler给婴幼儿脑病历标准分割图进行标签，训练集为X＝(x

【技术特征摘要】
1.一种用于婴幼儿脑病历图像分割的全卷积遗传神经网络方法，具体步骤如下：
步骤1，输入婴幼儿脑病历图像标准分割图像，对婴幼儿脑病历图像进行灰度处理和增强处理，然后使用图像标记工具ImageLabeler给婴幼儿脑病历标准分割图进行标签，训练集为X＝(x1,x2,...,xn),n＝1,2,3,...，标签集为B＝(b1,b2,...,bn),n＝1,2,3,...，将婴幼儿脑病历图像对应的标签保存真实值y_true；
步骤2,对婴幼儿脑病历图像使用的全卷积遗传神经网络权值参数进行双线性插值初始化f(i,j)，具体计算方式公式(1)所示：
f(i,j)＝w1×p1+w2×p2+w3×p3+w4×p4(1)
式中，pi为最近的四个像素点，其中，i＝1,2,3,4,，wj为各点相应权值，其中，j＝1,2,3,4；采用二进制编码生成m个编码长度为L的个体，L的计算方式如下公式(2)所示：
L＝F×F×D×N(2)
式中，L为遗传个体编码长度，F为卷积核尺寸，N为卷积核个数，D为卷积层的深度；
将个体随机分配到原生子种群Pop中，并衍生出孪生种群Pop′生成遗传进化初始种群；
原生种群和其孪生种群的交叉概率pc和变异概率pm都在不相交的区间(0，1/2)和[1/2，1)取值，通过遗传算子在可行域内搜索最优个体，通过类间方差函数作为适应度函数f进行计算，计算方式如下公式(3)所示：
f＝n1n2(G1k-G2k)2，k＝1,2,3,...n,(3)
式中，n1,n2分别为婴幼儿脑病历图像前景和背景两类像素点的个数，G1k为第一类中第k个像素点的灰度值，G2k为第二类中第k个像素点的灰度值；
根据适应度函数f来批判个体优劣性，不断更新种群中的个体，直至遗传算法符合收敛条件，得到全局最优个体fa，将fa的所有个体作为用于婴幼儿脑病历图像的全卷积遗传神经网络的初始化权值；
步骤3，将训练集中第j张婴幼儿脑病历标准分割图输入全卷积遗传神经网络前向传播计算模型，通过多层的卷积conv、池化pool、反卷积deconv计算，最后逐像素分类概率统计计算，输出得到第j次预测值矩阵y_predict；
步骤4,将第m次真实值y_trueij与第m次预测值y_predictij，进行softmax计算softmax(y_predict)，进行婴幼儿脑病历图像的逐像素交叉熵损失计算，得到第m次损失值lossm，计算方式如下公式(4)所示：



式中，y_trueij为预测出的逐像素分类矩阵中的i行j列的值，y_predictij为婴幼儿脑病历标准分割图的分类矩阵的i行j列的值，class为i×j像素总个数；
步骤5,通过损失值回传，梯度下降算法回调网络权值，判断网络是否达到结束条件，若达到结束条件，则将以网络最终权值作为最终训练完成的全卷积遗传神经网络权值参数；
步骤6,将训练完成的权值参数带入网络中，形成婴幼儿脑病历图像分割全卷积遗传神经网络模型，输入婴幼儿脑病历图像，通过多层的卷积conv、最大池化max_pool、反卷积deconv计算，输出分割后的婴幼儿脑病历图像，并输出逐像素分类矩阵的y_ture。


2.根据权利要求1所述的用于婴幼儿脑病历图像分割的全卷积遗传神经网络方法，其特征在于，所述步骤2的具体步骤如下：
步骤2.1,构建一个全卷积遗传神经网络前向传播计算模型，从婴幼儿脑病历标准分割图像训练集中随机选取少量张婴幼儿脑病历图像作为参照图像，训练集剩下的为验证集，并使用交叉验证，反复训练验证；
步骤2.2,确定遗传个体数m，对全卷积遗传神经网络权值参数进行双线性插值初始化f(i,j)，计算方式采用公式(1)进行计算，...

【专利技术属性】
技术研发人员：丁卫平，冯志豪，李铭，孙颖，张毅，鞠恒荣，曹金鑫，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32