一种COVID-19医学影像检测分类方法及装置制造方法及图纸

技术编号:32119126 阅读:36 留言:0更新日期:2022-01-29 19:04
本发明专利技术公开了一种COVID

【技术实现步骤摘要】
一种COVID

19医学影像检测分类方法及装置


[0001]本专利技术涉及一种COVID

19医学影像检测分类方法及装置,属于医学影像学检测以及深度学习


技术介绍

[0002]新型冠状病毒肺炎(Corona Virus Disease 2019,COVID

19)是一种由严重急性呼吸系统综合征冠状病毒2(SARS

CoV

2)引发的传染病,简称“新冠肺炎”。自2019年底以来,COVID

19在全球各国大规模爆发。目前的主流检测诊断方法主要包括核酸检测和医学影像的人工诊断。但是,由于核酸检测耗时较长且疫情爆发初期核酸检测试剂盒供不应求,而医学影像的人工诊断则存在分析耗时较长、隐秘病变难以发现且难免存在主观诊断误差,因此急需新的COVID

19检测方法予以配合。
[0003]新冠肺炎,顾名思义,肺部是新型冠状病毒攻击的主要部位。相较于正常人的肺部,新冠肺炎患者的肺部出现了像云雾状磨砂玻璃一样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种COVID

19医学影像检测分类方法,其特征在于,包括:获取用于COVID

19检测诊断的医学影像数据集;处理医学影像数据集,对处理过后的医学影像数据集进行划分;基于粒子群算法优化卷积神经网络,首先选择卷积神经网络中可以优化的超参数,然后通过实验对比确定需要优化超参数的最优解;基于粒子群算法优化的卷积神经网络训练划分过的医学影像数据集,批量识别图像并进行正确分类。2.根据权利要求1所述的COVID

19医学影像检测分类方法,其特征在于:处理医学影像数据集,包括:选出清晰且肉眼可分辨病灶特征的图像。3.根据权利要求1所述的COVID

19医学影像检测分类方法,其特征在于:对处理过后的医学影像数据集进行划分,包括:将标注过的图像按照3:1:1的比例分配为训练集、测试集和验证集;将处理过后的医学影像数据集分为两类,一类为COVID数据集,另一类为NonCOVID数据集。4.根据权利要求1所述的COVID

19医学影像检测分类方法,其特征在于:基于粒子群算法优化卷积神经网络,包括:(1)在粒子群算法中每个粒子可以看作是解空间中的一个点,若粒子的群体规模为N,则第i(i=1,2,...,N)个粒子的位置可以记为X
i
,速度记为V
i
,它所经历过的“最好”位置记为p
best
(i),群体中“最好”粒子的位置记为g
best
(i),粒子i根据下式更新自己的速度和位置:其中,V'
i
和X'
i
分别为更新后的速度与位置,ω为惯性权值;c1,c2为加速常量;r为[0,1]上的随机数,另外,粒子在不断根据速度调整自己的位置时,受到最大速度V
max
的限制。当V
i
超过V
max
时被限定为V
max
;(2)在粒子的搜索过程中,需要使适应值Fitness
i
达到最小,即使均方误差最小,其公式如下所示:其中,N是训练集样本数,M是输出网络神经元的个数,是第i个样本的第j个输出网络节点的实际状态值,当实际输出与期望输出的误差小于期望误差值或训练达到最大迭代次数时,算法终止即结束训练;(3)基本粒子群算法的流程为:

依照初始化过程,对粒...

【专利技术属性】
技术研发人员:吴冬梅郝凤鸣高浩
申请(专利权)人:南京邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1