基于半监督对比学习的多相期CT分类系统及构建方法技术方案

本发明专利技术公开了一种基于半监督对比学习的多相期CT分类系统及构建方法，本发明专利技术通过有监督的学习，对图像进行特征提取，得到各个相期CT图像的特征向量，并完成分类，用于后续对无标签数据生成伪标签，随后通过半监督对比学习，利用无标签数据扩大训练集，继续加强对各相期图像的特征表达，扩大不同相之间、不同类之间图像特征表达差异，提升分类精度。本发明专利技术采用了对比学习机制，分离了不同相期、不同类别图像间的特征表示差异，提升了对图像的特征表达，同时采用半监督学习机制，利用无标签的数据扩大训练数据集，进一步加强了对图像的特征表达，提升了模型的分类精度，对于通过多相期CT图像进行分类的医学诊断非常具有适应性与实用性。与实用性。与实用性。

【技术实现步骤摘要】
基于半监督对比学习的多相期CT分类系统及构建方法


[0001]本专利技术涉及医学图像处理
，尤其涉及一种基于半监督对比学习的多相期CT分类系统及构建方法。

技术介绍

[0002]现代医学影像学在疾病诊断中非常重要，它不仅可以为临床提供疾病的形态学诊断，也能够提供功能学的诊断。它的范畴包括常规X线诊断、超声成像、电子计算机体层摄影技术（Computed Tomography，CT）、发射体层成像（Positron Emission Tomography，PET）、磁共振成像（Magnetic Resonance Imaging，MRI）、介入放射学（Interventional Radiology）等。各种医学影像成像技术的出现使疾病的物理诊断产生了根本性变革，它们之间的相辅相成不仅提高了诊断的准确度、敏感度和特异度，同时使传统的形态学诊断和功能学诊断并进、宏观诊断与微观诊断并进的局面出现，已成为临床不可或缺的工具。例如MRI的脑功能成像是探索大脑奥秘的最重要手段；介入放射学现今是治疗某些疾病的唯一有效手段，如用栓塞术治疗大咯血、呕血和外伤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于半监督对比学习的多相期CT分类系统构建方法，其特征在于，所述系统至少包括多相期CT图像分类单元，用于依据输入的多相期CT图像输出分类结果；所述多相期CT图像分类单元通过如下方法构建获得：收集样本构建训练集，所述训练集包括有标签训练集和无标签训练集；构建一个分类模型，包括与相期一一对应的s个特征提取器和一个分类器，所述特征提取器用于将对应相期的CT图像通过卷积生成特征向量，输入分类器获得分类结果；将有标签训练集的样本作为分类模型的输入，进行有监督训练获得第一多相期CT图像分类单元；利用第一多相期CT图像分类单元对部分或全部无标签训练集的样本构建伪标签；将构建有伪标签的样本加入有标签训练集对有标签训练集进行更新，再利用更新的有标签训练集的样本构建对比学习训练，调节第一多相期CT图像分类单元的特征提取器参数，再利用原始的有标签训练集的样本有监督训练获得第二多相期CT图像分类单元；循环执行此步骤直至全部无标签训练集的样本全部加入有标签训练集，获得训练好的多相期CT图像分类单元。2.根据权利要求1所述的方法，其特征在于，所述有监督训练的目标至少包括最小化模型输出的分类结果与标签的损失。3.根据权利要求1所述的方法，其特征在于，所述对比学习训练的目标包括最小化相间差异和最大化类间差异。4.一种权利要求1
‑
3任一种所述方法构建获得的基于半监督对比学习的多相期CT分类系统。5.根据权利要求4所述的系统，其特征在于，还包括数据获取单元，用于获取待分类患者的s个相期的CT图像。6.根据权利要求4所述的系统，其特征在于，所述分类器包括一个嵌入层网络、L层多头注意力网络MSA、L层多层感知机MLP、一层归一化层和一个分类层，其中，嵌入层网络用于将每个相期CT图像的特征向量拼接在一起，再将拼接后向量与类别标记向量合并后与同维度位置向量相加获得CT图像的嵌入向量，L层多头注意力网络MSA和L层多层感知机MLP依次交错连接，所述多头注意力网络MSA基于归一化的输入向量生成注意力函数；将注意力函数与多头注意力网络MSA的输入向量相加作为对应下一层多层感知机MLP的输入向量；所述多层感知机对归一化的输入向量编码后与多层感知机的输入向量相加作为对应下一层多头注意力网络MSA的输入；其中，第一层多头注意力网络MSA的输入向量为嵌入层网络输出的嵌入向量；归一化层用于对最后一层多层感知机输出的向量与多层感知机的输入向量相加后的向量的第一维度向量进行归一化，作为结合各相期CT图像空间与时间特征的向量；分类层基于归一化层输出的特征...

【专利技术属性】
技术研发人员：吴元锋，朱闻韬，
申请(专利权)人：之江实验室，
类型：发明
国别省市：