【技术实现步骤摘要】
一种基于ARM的深度学习轻量化肺结节分类方法
[0001]本专利技术涉及肺结节图像分类
，尤其涉及一种基于ARM的深度学习轻量化肺结节分类方法。
技术介绍
[0002]肺癌是发病率和死亡率增长最快，对人群健康和生命威胁最大的恶性肿瘤之一，近50年来许多国家都报道肺癌的发病率和死亡率均明显增高。肺癌的病因至今尚不完全明确，因此早起诊断是肺癌预防与治疗的有效手段。通常情况下，肺癌的早期诊断依赖于准确检测出肺部CT影像中的肺结节并对其进行分类。肺结节是一种直径约3毫米的结构，分为良性或恶性。传统的方法通常由医生、医学专家按切片来分析肺结节图像，结节图像通常会拆分成很多切片，而且早期的结节图像特征不够明显，因此这种方法不仅费时费力，而且经常准确性比较低。
技术实现思路
[0003]针对上述现有技术的不足，本专利技术提供一种基于ARM的深度学习轻量化肺结节分类方法。
[0004]为解决上述技术问题，本专利技术所采取的技术方案是：一种基于ARM的深度学习轻量化肺结节分类方法，包括如下步骤：
[000...
【技术保护点】
【技术特征摘要】
1.一种基于ARM的深度学习轻量化肺结节分类方法，其特征在于，包括如下步骤：步骤1：对LIDC带标签的图像数据集进行预处理；步骤2：将预处理后的图像数据集输入到MobileNet V2网络模型中进行全精度的训练，得到训练好的全精度神经网络；步骤3：将训练好的全精度神经网络的权重采用Ternary Quantization算法进行三值化压缩，得到三值化神经网络；步骤4：将全精度神经网络作为教师网络，三值化神经网络作为学生网络，采用知识蒸馏算法再次训练，对三值化权重中的权重参数进行微调；步骤5：训练完成后保存模型，通过交叉编译或者在ARM潜入式设备上直接安装的方式，将训练好的模型录入ARM中；步骤6：读入要分析的肺结节图像，自动分析并给出分类结果。2.根据权利要求1所述的基于ARM的深度学习轻量化肺结节分类方法，其特征在于，所述步骤1的过程如下：步骤1.1：将图像数据集中的结节体积限制在长宽高相同的图像大小中；步骤1.2：以结节的质心为中心，采用双三次插值进行采样，从不同视角生成对个横截面；步骤1.3：将每个横截面的大小调整为相同尺寸的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。