基于神经网络架构搜索和注意力机制的肺部结节良恶性判别方法技术

本发明专利技术公开了一种基于神经网络架构搜索和注意力机制的肺部结节良恶性判别方法，包括以下步骤：在肺部CT数据中提取结节切片图像；设计具有搜索功能的block构建搜索网络；将提取的肺部结节切片图像划分成训练、验证、测试三组图像；搜索网络在输入的数据上搜索优化的block，并在优化block中添加注意力机制模块构建attention block；利用所保存的attention block构建一个最终搜索出来的神经网络；将数据重新整合，输入到最终搜索得到的神经网络中，训练出一个最好的肺部结节良恶性判别模型。本发明专利技术可以得到一个轻量级的且具有针对性的网络，通过注意力机制的改进，有效地解决了搜索出来的网络本身表达能力不足的缺点，从而得到更好的肺部结节良恶性判别结果。

【技术实现步骤摘要】
基于神经网络架构搜索和注意力机制的肺部结节良恶性判别方法
本专利技术涉及图像处理和医学影像
，尤其是一种基于神经网络架构搜索和注意力机制的肺部结节良恶性判别方法。
技术介绍
肺部结节良恶性判别是肺部计算机辅助诊断的一个重要组成部分，它涉及了计算机视觉、图像处理、医学影像等领域。目前，由于深度学习在图像处理领域的成功，基于深度学习的医学图像判别方法取得了较好的分类结果。一般获得的肺部图像数据是医院的CT图像，它是三维数据。针对这一特性，肺部结节良恶性判别方法可分为3D和2D方法，它们最直观的区别就是所使用的深度神经网络的卷积操作分别为3D和2D卷积。基于深度学习的肺部结节良恶性判别方法通过将3D或者2D图像数据输入到设计好的神经网络中，由神经网络预测输入图像数据的良恶性，最后根据输入图像数据的真实良恶性指导神经网络学习出一个能够判别肺部结节良恶性的模型。目前神经网络的设计依靠设计者丰富的专业知识和技巧，需要大量的时间。
技术实现思路
本专利技术的目的是提供一种基于神经网络架构搜索和注意力机制的肺部结节良恶性判别方本文档来自技高网...

【技术保护点】
1.基于神经网络架构搜索和注意力机制的肺部结节良恶性判别方法，其特征是，包括以下步骤：/n步骤一、在肺部CT数据中提取具有人工标注良恶性等级评分的结节切片图像；/n步骤二、设计具有搜索功能的block，针对数据构建搜索网络；/n步骤三、将提取的肺部结节切片图像划分成训练、验证、测试三组图像，进而提供给搜索网络搜索；/n步骤四、搜索网络在输入的数据上搜索优化的block，保存效果最好的block，并在优化block中添加注意力机制模块构建attention block；/n步骤五、利用所保存的attentionblock构建一个最终搜索出来的神经网络；/n步骤六、将数据重新整合，输入到最终搜索得...

【技术特征摘要】
1.基于神经网络架构搜索和注意力机制的肺部结节良恶性判别方法，其特征是，包括以下步骤：
步骤一、在肺部CT数据中提取具有人工标注良恶性等级评分的结节切片图像；
步骤二、设计具有搜索功能的block，针对数据构建搜索网络；
步骤三、将提取的肺部结节切片图像划分成训练、验证、测试三组图像，进而提供给搜索网络搜索；
步骤四、搜索网络在输入的数据上搜索优化的block，保存效果最好的block，并在优化block中添加注意力机制模块构建attentionblock；
步骤五、利用所保存的attentionblock构建一个最终搜索出来的神经网络；
步骤六、将数据重新整合，输入到最终搜索得到的神经网络中，训练出一个最好的肺部结节良恶性判别模型。


2.如权利要求1所述的基于神经网络架构搜索和注意力机制的肺部结节良恶性判别方法，其特征是，所述步骤一具体为：选取医生认为大于设定值的...

【专利技术属性】
技术研发人员：张盛平，胡良校，郑顺源，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：山东;37