【技术实现步骤摘要】
基于CT图像的可解释性肺结核分类网络识别方法
[0001]本专利技术涉及计算机辅助诊疗和图像识别领域，具体是一种基于CT图像的可解释性肺结核分类网络识别方法。
技术介绍
[0002]目前，结核病是威胁健康的主要传染病之一，其典型表现为肺结核。肺结核是危害人类健康历史久远的慢性传染性疾病，最严重流行的20世纪初甚至造成全球数百万人的死亡，目前我国是肺结核疫情的高负担国家之一。因为肺结核具有高传染性和致死性的特点，而肺结核的早期辅助诊断能帮助医生发现早期的肺结核患者，进行早诊断和早治疗，降低传染率和死亡率，所以具有很重要的临床意义。
[0003]目前CT图像检查已经成为了肺结核诊断中无可替代的首选手段。由于在CT影像中肺结核具有病灶多态性、多部位、多结节、空洞等特点，多种形态混合，难以识别，而医护人员又需要阅读大量的不同患者肺部CT图像序列，在高强度的工作压力下医护人员很容易产生疲劳，从而造成漏诊甚至是误诊。因此，需要一种基于CT图像的处理方法，提高医生诊断的准确率、降低漏诊率，减轻医护人员的工作强度。
专利技术...
【技术保护点】
【技术特征摘要】
1.基于CT图像的可解释性肺结核分类网络识别方法，其特征在于包括以下步骤：S01、获取待测人员肺部计算机断层成像CT图像，作为原始CT图像并输入到上位机中进行图像预处理，进行肺实质的提取得到肺实质图像，然后将肺实质图像进行归一化处理并缩放到512x512大小；S02、建立并训练可解释性肺结核分类网络，可解释性肺结核分类网络以残差网络为基础网络并加入Dense思想和改进后的注意力机制而建立；S03、将归一化处理并缩放到512x512大小的肺实质图像送入到训练好的可解释性肺结核分类网络，得到并在上位机中输出待测人员肺结核的分类结果和相应的类激活热力图。2.根据权利要求1所述的基于CT图像的可解释性肺结核分类网络识别方法，其特征在于：所述可解释性肺结核分类网络包括第一层为卷积层，卷积核尺寸为7x7,步幅为2；第二层为最大池化层，卷积核尺寸为3x3，步幅为1；第三层到第五层、第七层到第九层、第十一层到第十五层、第十七
‑
层到第十九层共计14个block
‑
1模块，每个block
‑
1模块均分为3个卷积层，第一层卷积核尺寸为1x1，第二层卷积核尺寸为3x3，步幅为1，第三层卷积核尺寸为1x1；第六、十、十六层均为blocl
‑
2降采样模块，每个blocl
‑
2降采样模块均分为三个卷积层，第一层卷积核尺寸为1x1，第二层卷积核尺寸为3x3，步幅为2，第三层卷积核尺寸为1x1；第二十层为全局平均池化，第二十一层为全连接层；第三层与第六层、第六层和第十层、第十层和第十六层、第十六层和第二十层相互之间进行短接操作，相同尺寸的为同一残差块，共计4个残差块；所述Dense思想为将第三层到第五层作为一个稠密块进行短接操作，将第六层到第九层作为一个稠密块进行短接操作，将第十层到十五层作为一个稠密块进行短接操作，将第十六层到第十九层作为一个稠密块进行短接操作；在第五层和第六层之间、在第九层和第十层之间、在十五层和十六层之间和在第十八层和十九层之间分别加入所述改进后的注意力机制；第二十一层的全连接层之后为分类函数softmax，最终输出待测人员肺结核的分类结果；第二十层全局平均池化后输出的特征图采用梯度加权的类激活映Grad
‑
CAM方法处理，Grad
‑
CAM根据输出向量，进行backward，求取特征图的梯度，得到特征图对应的梯度图，然后再对每个梯度图求平均获得每个特征图的权重，然后再将权重与特征图进行加权求和，通过激活函数relu后，最终输出显著性区域图。3.根据权利要求2所述的基于CT图像的可解释性肺结核分类网络识别方法，其特征在于：所述改进后的注意力机制包括基于传...
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。