一种基于卷积神经网络的颈部淋巴结分析装置制造方法及图纸

本发明专利技术涉及一种基于卷积神经网络的颈部淋巴结分析装置，包括：图像获取模块：用于获取带有颈部淋巴结的超声图像；淋巴结图像提取模块：用于对所述超声图像中的颈部淋巴结进行截取，得到感兴趣颈部淋巴结图像；淋巴结分析模块：用于将所述感兴趣颈部淋巴结图像输入卷积神经网络XDNetV2

【技术实现步骤摘要】
一种基于卷积神经网络的颈部淋巴结分析装置


[0001]本专利技术涉及辅助医学诊断
，特别是涉及一种基于卷积神经网络的颈部淋巴结分析装置。

技术介绍

[0002]淋巴结是人体免疫系统的一环，协助人体对抗外来细菌、病毒等的入侵。颈部淋巴结可由多种病因引起源发性病变或转移性病变，而颈部淋巴结发生病变可能会导致淋巴门结构发生变化。因此，淋巴门结构是否正常是判断病变良恶性，以及病因诊断的重要依据。
[0003]超声波扫查因其(相比CT、MRI等)成本低、对身体损伤小，是临床上最常用的颈部淋巴结诊断手段。现有的诊断方式都是医生一边操作超声设备，一边对颈部淋巴结超声影像进行人工识别判断，其存在的缺点有：诊断速度慢，效率低；医生精力体力消耗大；且对医生个人的经验水平要求较高。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种基于卷积神经网络的颈部淋巴结分析装置，能够对颈部淋巴结的淋巴门结构进行有效检测。
[0005]本专利技术解决其技术问题所采用的技术方案是：提供一种基于卷积神经网络的颈部淋巴结分析装置，包括：
[0006]图像获取模块：用于获取带有颈部淋巴结的超声图像；
[0007]淋巴结图像提取模块：用于对所述超声图像中的颈部淋巴结进行截取，得到感兴趣颈部淋巴结图像；
[0008]淋巴结分析模块：用于将所述感兴趣颈部淋巴结图像输入卷积神经网络 XDNetV2
‑
C
‑
NLH，确定颈部淋巴结的淋巴门结构，其中，所述淋巴门结构包括正常、偏心或消失。
[0009]所述卷积神经网络XDNetV2
‑
C
‑
NLH包括1个第一特征单元、4个第二特征单元、2 个第三特征单元和1个第四特征单元，其中，所述第一特征单元依次连接2个第二特征单元、2个第五特征单元和1个第四特征单元，另2个第二特征单元均和第三特征单元相连组成2个第五特征单元。
[0010]所述第一特征单元包括依次连接的深度可分离卷积层、批归一化层、激活层、卷积层、激活层、层归一化层、注意力模块和相加层，并且第2个激活层的输出和相加层连接。
[0011]所述第二特征单元包括依次连接的卷积层、激活层、层归一化层、注意力模块、相加层、层归一化层、注意力模块和相加层，并且激活层的输出和第1个相加层连接，第1个相加层的输出和第2个相加层连接。
[0012]所述第三特征单元包括依次连接的激活层、批归一化层、深度可分离卷积层、激活层、批归一化层、深度可分离卷积层和相加层。
[0013]所述第四特征单元包括依次连接的批归一化层、激活层、全局均值池化层、失活
层、全连接层和激活层。
[0014]所述注意力模块包括相对位置编码层和3个深度可分离卷积层，其中，第2个深度可分离层与第3个深度可分离层进行点乘得到第一点乘结果，第3个深度可分离层和相对位置编码层进行点乘得到第二点乘结果，所述第一点乘结果和第二点乘结果相加后与注意力激活层连接，激活层的输出和第1个深度可分离层进行点乘后与重塑层连接。
[0015]所述卷积神经网络XDNetV2
‑
C
‑
NLH采用加权分类交叉熵作为损失函数，所述加权分类交叉熵的公式为：其中，L表示卷积神经网络 XDNetV2
‑
C
‑
NLH的预测损失，N表示样本量，K表示卷积神经网络XDNetV2
‑
C
‑
NLH输出层的分类数量值，w
j
表示第j类的权重；y
ij
表示第i个样本对应第j类的实际值，取值为1或0；表示卷积神经网络XDNetV2
‑
C
‑
NLH的第i个样本对应第j类的预测值。
[0016]还包括定位模块：当所述淋巴门结构被预测为正常或偏心时，通过连通域分析、开闭运算、膨胀腐蚀或阈值比较来对淋巴门结构进行定位。
[0017]还包括验证模块：用于根据所述感兴趣颈部淋巴结图像中的颈部淋巴结的淋巴门结构构建直角坐标系，并计算定位好的淋巴门结构偏离直角坐标系中心点的距离，根据所述直角坐标系偏离中心点的距离来确定淋巴门结构是否为正常或偏心。
[0018]有益效果
[0019]由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术构建的卷积神经网络XDNetV2
‑
C
‑
NLH能够快速判定颈部淋巴结是正常、偏心或消失，具有分析速度快、效率高、准确率较高、表现稳定的特点；本专利技术构建的卷积神经网络XDNetV2
‑
C
‑
NLH网络的开发属于小样本训练，轻量化的网络能够有效避免小样本训练的过拟合问题，提升泛化能力；本专利技术能够辅助医生诊断，减少工作量，有效缓解医疗资源紧张的问题。
附图说明
[0020]图1是本专利技术实施方式的流程图；
[0021]图2是本专利技术实施方式的卷积神经网络结构示意图；
[0022]图3是本专利技术实施方式的注意力模块结构示意图；
[0023]图4是本专利技术实施方式中验证淋巴门结构是否为正常或偏心示意图。
具体实施方式
[0024]下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
[0025]本专利技术的实施方式涉及一种基于卷积神经网络的颈部淋巴结分析装置，请参阅图1，包括：
[0026]图像获取模块：用于获取带有颈部淋巴结的超声图像；
[0027]淋巴结图像提取模块：用于对所述超声图像中的颈部淋巴结进行截取，得到感兴
趣颈部淋巴结图像；
[0028]淋巴结分析模块：用于将所述感兴趣颈部淋巴结图像输入卷积神经网络 XDNetV2
‑
C
‑
NLH，确定颈部淋巴结的淋巴门结构，其中，淋巴门结构是一种血液流通结构，所述淋巴门结构包括正常、偏心或消失。
[0029]本实施方式还可以包括：
[0030]定位模块：当所述淋巴门结构被预测为正常或偏心时，通过连通域分析、开闭运算、膨胀腐蚀或阈值比较来对淋巴门结构进行定位。
[0031]验证模块：用于根据所述感兴趣颈部淋巴结图像中的颈部淋巴结的淋巴门结构构建直角坐标系，并计算定位好的淋巴门结构偏离直角坐标系中心点的距离，根据所述直角坐标系偏离中心点的距离来确定淋巴门结构是否为正常或偏心。
[0032]以下对本实施方式进行详细介绍：
[0033]1、训练数据构成
[0034]上万张脱敏后的颈部淋巴结超声图像，来源是多家三甲医院。由多名高年资主任医生标注数据并审核确认，标注的内容有：勾勒轮廓、淋巴门区域、和淋巴门结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的颈部淋巴结分析装置，其特征在于，包括：图像获取模块：用于获取带有颈部淋巴结的超声图像；淋巴结图像提取模块：用于对所述超声图像中的颈部淋巴结进行截取，得到感兴趣颈部淋巴结图像；淋巴结分析模块：用于将所述感兴趣颈部淋巴结图像输入卷积神经网络XDNetV2
‑
C
‑
NLH，确定颈部淋巴结的淋巴门结构，其中，所述淋巴门结构包括正常、偏心或消失。2.根据权利要求1所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述卷积神经网络XDNetV2
‑
C
‑
NLH包括1个第一特征单元、4个第二特征单元、2个第三特征单元和1个第四特征单元，其中，所述第一特征单元依次连接2个第二特征单元、2个第五特征单元和1个第四特征单元，另2个第二特征单元均和第三特征单元相连组成2个第五特征单元。3.根据权利要求2所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述第一特征单元包括依次连接的深度可分离卷积层、批归一化层、激活层、卷积层、激活层、层归一化层、注意力模块和相加层，并且第2个激活层的输出和相加层连接。4.根据权利要求2所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述第二特征单元包括依次连接的卷积层、激活层、层归一化层、注意力模块、相加层、层归一化层、注意力模块和相加层，并且激活层的输出和第1个相加层连接，第1个相加层的输出和第2个相加层连接。5.根据权利要求2所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述第三特征单元包括依次连接的激活层、批归一化层、深度可分离卷积层、激活层、批归一化层、深度可分离卷积层和相加层。6.根据权利要求2所述的基于卷积神经网络的颈部淋巴结分析装置，其特征在于，所述第四特征单元包括依次连接的批归一化层、激活层、全局均值池化层、失活层、全连接层和激活层。7.根...

【专利技术属性】
技术研发人员：何敏亮，
申请(专利权)人：什维新智医疗科技上海有限公司，
类型：发明
国别省市：