一种基于VAE的人脑损伤检测方法及装置制造方法及图纸

本申请公开了一种基于VAE的人脑损伤检测方法及装置。所述方法包括：建立VAE模型，所述VAE模型依次包括三个连续的卷积层、一个批处理归一化层、一个整流线性单元激活函数、两个完全连接层、以及反卷积层；对所述VAE模型进行预训练，得到RVAE模型；重新训练VAE和RVAE模型；对VAE和RVAE模型进行迁移学习实验；计算重建图像与原始图像的绝对误差图，对损伤部位进行分割并滤波；用滤波后的病变误差图绘制ROC曲线，并根据所述ROC曲线计算AUC；选择一个β值来防止RVAE在验证数据集中重建病变。所述装置包括VAE模型建立模块、预训练模块、训练模块、迁移学习模块、第一计算模块、第二计算模块和选择模块。和选择模块。和选择模块。

【技术实现步骤摘要】
一种基于VAE的人脑损伤检测方法及装置


[0001]本申请涉及人脑病变检测领域，特别是涉及基于鲁棒可变自编码器和迁移学习的脑损伤检测技术。

技术介绍

[0002]对人脑病变的准确检测是早期诊断和治疗的关键。目前医学成像技术，如MRI，是检测和量化病变的标准临床工具。经过广泛的训练，人类在通过视觉检查来识别病变方面表现突出，但人体检测和描绘的主观和昂贵性质使机器学习方法成为一种有吸引力的替代或补充方法。此外，通过利用多光谱MRI，机器学习可能会在这一特定任务中取得比人类更好的表现。基于监督机器学习的研究已经取得了显著的成功，已经达到并且超过了人类水平。然而，训练监督的方法需要大量的手动病灶描绘。另一方面，非监督方法不需要标记数据，但通常不太准确。
[0003]非监督方法，如自动编码器和变分自动编码器(VAE)及其变体，已经表明，可以通过其估算高维数据的基本分布。非监督方法的一个常见应用是孤立点检测，其中目标是识别表示偏离正常样本的数据样本。对于一组脑图像，假设病变和其他异常很少发生，并且在不同的位置发生，我们推测利用VAE可以了解反映健康本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于VAE的人脑损伤检测方法，包括：建立VAE模型，所述VAE模型依次包括三个连续的卷积层、一个批处理归一化层、一个整流线性单元激活函数、两个完全连接层、以及反卷积层；对所述VAE模型进行预训练，得到RVAE模型；重新训练VAE和RVAE模型；对VAE和RVAE模型进行迁移学习实验；计算重建图像与原始图像的绝对误差图，对损伤部位进行分割并滤波；用滤波后的病变误差图绘制ROC曲线，并根据所述ROC曲线计算AUC；选择一个β值来防止RVAE在验证数据集中重建病变。2.根据权利要求1所述的方法，其特征在于，对所述VAE模型进行预训练所采用的训练样本为2D切片图像。3.根据权利要求1或2所述的方法，其特征在于，对所述VAE模型进行预训练，得到RVAE模型包括：对所述VAE模型进行预训练；评估预训练后的VAE模型在一个数据集上的性能；当评估结果不满足要求时，对所述VAE模型重要进行预训练。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述对VAE和RVAE模型进行迁移学习实验包括：更新经过预训练的模型；对更新后的模型进行测试；当测试结果不满足要求时，重新更新经过预训练的模型。5.根据权利要求1至4中任一项所述的方法，其特征在于，使用脑掩码内的像素进行AUC计算。6.一种基于VAE的人脑损伤检测模装置，包括：VAE模型建立模块，其配置成建立VAE模型，所述VAE模型依次包括...

【专利技术属性】
技术研发人员：朱州，
申请(专利权)人：上海影谱科技有限公司，
类型：发明
国别省市：