【技术实现步骤摘要】
一种基于注意力机制的新冠肺炎病程分期预测系统
[0001]本专利技术涉及图像处理中目标检测算法领域，具体是一种基于注意力机制的新冠肺 炎病程分期预测系统。
技术介绍
[0002]新型冠状病毒肺炎(以下简称新冠肺炎)已成为世界关注的严重公共卫生事件，高 分辨率计算机断层扫描(high resolution computerized tomography，HRCT)是其首选和 主要的影像检查方法。认识和掌握新冠肺炎HRCT特征性表现，对提高掌握新冠肺炎的 临床诊断具有重要意义。因此，国内相关专家经过多次讨论，根据各自的经验并参考新 冠肺炎最新的参考文献，针对新冠肺炎的影像分期及表现、特殊人群的影像表现以及影 像诊断等内容编写了中国指南，旨在规范和指导HRCT在新冠肺炎中的检查，辅助新冠 肺炎的临床诊疗。
[0003]华为云推出新冠肺炎AI辅助诊断服务，对患者肺部CT多发磨玻璃密度影(GGO) 以及肺实变进行分割以及量化评价减轻医生诊断工作负荷。但这些技术主要针对新冠肺 炎患者的普遍性特征进行辅助诊断，尚未做到对新冠肺炎少...
【技术保护点】
【技术特征摘要】
1.一种基于注意力机制的新冠肺炎病程分期预测系统，其特征在于，包括数据预处理模块、基于注意力机制的系统网络模块和分类器模块：数据预处理模块：用于针对新冠肺炎定点治疗医院提供的感染患者的HRCT图像，选取出含有病变的CT图像，进行分割处理，得到感兴趣区域，统一图像大小，整理得出带有不同标签的序列图像，不同标签包括：早期、进展期、重症期及消散期；将带标签的序列图像分别按层次处理成对应的one
‑
hot编码以及划分训练集和验证集；基于注意力机制的系统网络模块：所述系统网络模块包括一个融合注意力机制和残差模块的神经网络模块，用于将HRCT图像输入到该神经网络模块中进行特征提取，所述神经网络模块在最后一个卷积层与双线性池化层中间添加有通道注意力模型，在该神经网络模块中用双线性池化方法将双通道提取到的特征进行融合；系统网络模块包括：卷积操作单元：输入图像进入卷积层进行卷积操作；瓶颈单元：卷积操作后的特征图进入瓶颈单元，使用1
×
1conv来缩减或扩张特征图维度；注意力机制学习单元：加入通道注意力权重进行注意力机制学习；超分辨子像素上采样单元：提取到的特征图接着进入超分辨子像素上采样单元，获得高分辨率的大图，方便下一个残差模块提取更为细小的特征；超分辨子像素下采样单元：将B
‑
CNN的VGG
‑
M和VGG
‑
D两个网络提取到的特征图进行合并后通过超分辨子像素下采样进行降维；求和单元：将所有位置得到的双线性特征进行求和作为本幅图像的特征；分类器模块：求和后的特征经过分类器得到精准的分期预测。2.根据权利要求1所述的一种基于注意力机制的新冠肺炎病程分期预测系统，其特征在于，所述的基于注意力机制的系统网络模块，分别选用VGG
‑
M和VGG
‑
D即VGG
‑
16作为特征提取网络，在此基础上引入残差网络与注意力机制，并将两路VGG网络最后的全连接层和Softmax层替换为双线性池化层。3.根据权利要求1所述的一种基于注意力机制的新冠肺炎病程分期预测系统，其特征在于，所述的卷积操作单元：假设v＝[v1,v2,
…
,v
c
]为Ftr运算的卷积核，F表示为最后一个卷积层前的卷积运算和池化运算，Ftr表示为最后一个卷积层的卷积运算；v
c
是第c个卷积核的参数，Ftr运算输出的特征图表示为u＝[u1,u2,
…
,u
c
]，则第c个通道的特征图表示如公式：在上述公式中*表示卷积运算，是二维空间核，表示为v
c
的单个通道的卷积核，作用于X'的对应通道，其中c'表示该卷积层输入的通道特征图的数量；通过对特征图u
c
∈R
H
×
W
进行全局平均池化操作和全局最大池化操作，来有效地学习物体的位置信息和物体特征，其形式化描述如公式所示：
4.根据权利要求1所述的一种基于注意力机制的新冠肺炎病程分期预测系统，其特征在于，所述的注意力机制学习单元：通道注意力权重的计算如公式所示：其中指ReLU激活函数，s＝[s1,s2,
…
,s
c
]，W0∈R
c/r
×
c
是第一个FC层的权重，...
【专利技术属性】
技术研发人员：张娅楠，蔡美龄，王河喜，赵林，强彦，赵涓涓，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：
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。