【技术实现步骤摘要】
基于改进型MobileNetV3的新冠肺炎X
‑
Ray图像识别方法
[0001]本专利技术涉及医学影像识别领域,具体涉及一种基于改进型MobileNetV3的新冠肺炎X
‑
Ray图像识别方法。
技术介绍
[0002]目前主要的新冠肺炎检测方法是采用RT
‑
PCR方法在采集的呼吸道样本中检测是否存在新型冠状病毒核酸,这种核酸检测方法会受到样本采集的质量、内外源性干扰物的影响出现“假阴性”或“假阳性”,对检测人员、检测环境以及试剂质量都有较高的要求。鉴于核酸检测的弊端,将核酸检测和影像学检测结合进行综合判断,能够提高新冠肺炎检测的准确性。胸部X线(chest X
‑
Ray)和计算机断层扫描(CT)是适用于新冠肺炎诊断的两种医学影像技术。与CT相比较, X线成像操作更简便,在有效观察到新冠肺炎病变特征的前提下,对设备与检测环境的要求更低,更适合作为基层医院进行新冠病例大规模筛查中的辅诊手段。
[0003]人工对X
‑
Ray图像进行判断筛查需要耗费较多的精力与时间,在面对大量的样本时,容易出现误诊。采用智能识别的方式对X
‑
Ray图像进行筛查,能够提高检测的效率。现有技术中,对于新冠肺炎X
‑
Ray图像的识别模型难以兼顾高准确率与高效率,面对大规模的病例筛查,亟待出现更快速更准确的检测方法。
技术实现思路
[0004]本专利技术的目的是提供一种基于改进型MobileNetV3的 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进型MobileNetV3的新冠肺炎X
‑
Ray图像识别方法,其特征在于,包括:获取待识别X
‑
Ray图像,将其输入到训练好的新冠肺炎图像识别模型中,得到X
‑
Ray图像所属的类别;所述新冠肺炎图像识别模型采用轻量级网络MobileNetV3
‑
small作为主干网络,并构建加权通道筛选模块,基于注意力机制与加权式通道丢弃方法,实现对输入的特征图在通道上的特征增强:将加权通道筛选模块与主干网络进行结合,加权通道筛选模块首先对来自MobileNetV3
‑
small的输入特征图进行高维与低维通道特征权重的提取,并重新分配各特征通道的分数;然后,采取加权随机抽样的策略生成高维与低维特征通道的掩膜,将高维、低维的权重融合,并利用掩膜对融合后的权重进行通道筛选;最后,将融合后的权重赋给输入特征图。2.根据权利要求1所述的基于改进型MobileNetV3的新冠肺炎X
‑
Ray图像识别方法,其特征在于,所述新冠肺炎图像识别模型,是基于MobileNetV3
‑
small原有的框架,在MobileNetV3
‑
small中11层的bottleneck之后的1
×
1卷积层与平均池化层之间插入加权通道筛选模块,并对添加了加权通道筛选模块的MobileNetV3
‑
small进行训练后得到。3.根据权利要求1所述的基于改进型MobileNetV3的新冠肺炎X
‑
Ray图像识别方法,其特征在于,所述加权通道筛选模块对输入特征图的处理过程包括:通过全局平均池化为输入特征图的每个通道分配初步的分数;通过对包含C个通道的输入特征图,首先进行降维操作,将输入特征图的C个通道压缩成C/r个通道,获得低维通道权重;对低维通道权重加入非线性后;再通过升维操作,将C/r个通道再次拉伸为C个通道,获得高维通道权重;其中r为压缩倍数;采取加权随机抽样的策略生成通道的掩膜,以进行通道的筛选,每个通道被选择的概率由其权重决定;根据降维所获取的低维通道权重与升维所获得的高维通道权重,分别生成高维掩膜与低维掩膜,再通过拼接权重,将高维特征与低维特征融合;掩膜也以同样的方式进行拼接后,作用在权重上,进而将权重赋给扩维后的特征图,实现融合高、低维度特征信息加权的通道筛选,达到特征增强的目的。4.根据权利要求3所述的基于改进型MobileNetV3的新冠肺炎X
‑
Ray图像识别方法,其特征在于,所述通过全局平均池化为输入特征图的每个通道分配初步的分数,包括:设输入特征图F∈R
H
×
W
×
C
,输出的分数S∈R
C
,其中R表示实数域;全局平均池化操作可描述为公式:式中H为特征图长度,W为特征图宽度,C为通道数量,S
C
为第C个通道的分数,F
C
为输入特征图的第C个通道特征图,Fc(i,j)指的是第C个通道特征图中第i行第j列的像素值。5.根据权利要求3所述的基于改进型MobileNetV3的新冠肺炎X
‑
Ray图像识别方法,其特征在于,所述低维通道权重、高维通道权重表示如下:设降维后的通道权重为W1∈R
C/r
,升维后的通道权重为W2∈R
C
,降维与升维操作可描述为:W1=δ(Conv1(S))
W2=Conv2(W1)式中S为输入特征图的所有C个通道的分数集合,Conv1和Conv2为两个1x1卷积,Conv1为降维操作,将输入的通道数量C压缩r倍;δ为ReLU激活函数,Conv2是升维操作,将大小为C/r的通道数重新拉伸成C。6.根据权利要求3所述的基于改进型MobileNetV3的新冠肺炎X
‑
Ray图像识别方法,其特征在于,所述采取加权随机抽样的策略生成通道的掩膜,以进行通道的筛选,每个通道被选择的...
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。