一种基于循环神经网络的甲状腺采样数据识别方法技术

本发明专利技术公开了一种基于循环神经网络的甲状腺采样数据识别方法，使用生物电阻抗断层前端采集平台采样数据，对采样数据进行预处理获得对应的三维输入数据，将三维输入数据输入基于循环神经网络的甲状腺识别模型，所述甲状腺识别模型包括特征推理部分和结果输出部分，所述特征推理部分的输出结果输入所述结果输出部分，所述结果输出部分输出最后的结果，所述最后的结果为分类的个数；根据所述分类的个数判定所述采样数据是否超出预设范围。本发明专利技术根据采样数据就能准确判断甲状腺数据是否存在异常，不需要成像后观察判断，也不会对人体组织造成损伤；本发明专利技术的识别模型能够将数据特征扩大，使得预设范围内和超出预设范围的数据差异更加明显，有效提高了判断的准确度。有效提高了判断的准确度。有效提高了判断的准确度。

【技术实现步骤摘要】
一种基于循环神经网络的甲状腺采样数据识别方法


[0001]本专利技术涉及数据分类领域，更具体地，涉及一种基于循环神经网络的甲状腺采样数据识别方法。

技术介绍

[0002]甲状腺肿瘤在临床上十分常见且多发，通常需要借助医学成像技术来判断是否存在甲状腺肿瘤。
[0003]目前，临床上常用的医学成像技术主要有X射线计算机断层图像重建技术、发射型计算机断层扫描技术、超声技术以及核磁共振成像技术。X射线计算机断层图像重建技术和发射型计算机断层扫描技术的成像精度较高、性能稳定，但这两种技术都存在电离辐射危害，会对人体组织造成一定程度的损伤，对正常成年人使用有一定的次数限制，对儿童和孕妇使用必须要更加谨慎。核磁共振成像技术和超声技术虽然对没有放射性，不会对人体组织造成损伤，但是由于这两种技术忽略了超声波与人体组织间的相互作用，减少了许多有用信息。
[0004]随着技术的发展，出现了一种新型医学功能成像技术——生物电阻抗断层成像(Electrical Impedance Tomography，EIT)，该技术基于人体生物电阻抗测量技术成像，人体生物电阻抗测量利用人体组织与器官的电特性及其变化规律提取与人体生理、病理状况相关的生物医学信息，借助置于体表的电极系统向人体送入一微小的交流测量信号，检测相应的电阻抗及其变化，出现生理病变时电导率与正常组织的电导率也不同，根据所求的电导率分布进行图像重构，即生物电阻抗断层成像技术，通过电导率分布可以作为判断人体是否出现了生理病变的合理依据。由于目前的电阻抗断层成像技术在成像过程中普遍存在非线性、病态性和不适定性等技术难题，导致了成像质量不够理想和成像分辨率较低，限制了改变技术在临床上的广泛应用。但，因为人体生物电阻抗测量能够基于生物阻抗有效采集人体组织与器官丰富的生理和病理信息，在病变发生时，相关组织、器官、经络的功能性变化往往会先于器质性病变和其他临床症状，如能在疾病的潜伏期及时检测和确认这些变化，对于相关病变的普查、预防和早期治疗是非常有利的。
[0005]因此，基于生物电阻抗技术的优点和生物电阻抗断层成像技术中存在的不足，有必要提供一种依托于生物电阻抗测量技术但无需成像处理即可准确识别甲状腺肿瘤的方法。

技术实现思路

[0006]针对上述现有技术的不足，本专利技术的目的在于提供一种基于循环神经网络的甲状腺采样数据识别方法，其特征在于，包括以下步骤：
[0007]步骤1，使用生物电阻抗断层前端采集平台，对待测对象颈前部施加激励源，获取待测对象在不同激励条件下的采样数据；
[0008]步骤2，对所述采样数据进行预处理获得对应的三维输入数据，将三维输入数据输
入基于循环神经网络的甲状腺识别模型，所述甲状腺识别模型包括特征推理部分和结果输出部分，所述特征推理部分包括循环神经网络模块，所述结果输出部分包括3层全连接层，所述特征推理部分的输出结果输入所述结果输出部分，所述结果输出部分输出最后的结果，所述最后的结果为分类的个数；
[0009]步骤3，根据所述分类的个数判定所述采样数据是否超出预设范围。
[0010]进一步地，所述对采样数据进行预处理获得对应的三维输入数据的步骤包括，
[0011]采样数据包括指标数据，所述指标数据包括激励源的频率和所述激励源的频率对应的电阻率，将指标数据转换为浮点型张量；
[0012]将转换后的指标数据进行标准化处理，所述标准化处理为将每一个采样数据减去所有采样数据的平均值再除以所有采样数据的标准差，得到标准化处理后的数据；
[0013]所述标准化处理后的数据是二维数据，将所述标准化处理后的数据增加一维处理获得对应的三维输入数据。
[0014]进一步地，所述特征推理部分的循环神经网络模块包括4个循环神经网络层，待识别的采样数据有若干个指标数据，所述若干个指标数据经预处理获得对应的三维输入数据，将所述三维输入数据输入第一层循环神经网络层，其中，第1个输入数据是所述三维输入数据第三维的第1个数据，第2个输入数据是所述三维输入数据第三维的第2个数据，依此类推，第1个输入数据输入得到第2个输入数据的上一个时间隐含状态和第二层循环神经网络层的第1个输入，第2个输入数据输入得到第3个输入数据的上一个时间隐含状态和第二层循环神经网络层的第2个输入，依此类推，最后经过第四层循环神经网络层，得到特征推理部分的输出结果。
[0015]进一步地，所述循环神经网络层包括门控循环单元，所述门控循环单元包括丢弃门、输入门、更新门和输出门；所述丢弃门确定上一个隐含层输出的时间隐含状态需要丢弃的数据，所述输入门计算当前输入的状态，所述更新门根据所述丢弃门和所述输入门数据对当前的输入数据进行更新，所述输出门产生下一个输入的时间隐含状态和当前状态输出结果。
[0016]进一步地，所述丢弃门为先将上一个时间隐含状态与当前输入对应位置相加，再进行全连接操作不改变输入和输出大小，然后进行神经元随机失活操作，再使用relu激活函数进行激活，得到的结果记为。
[0017]进一步地，所述输入门为先将上一个时间隐含状态与当前输入对应位置相加，再进行全连接操作不改变输入和输出大小，使用relu激活函数进行激活，得到结果记为；然后将上一个时间隐含状态与当前输入对应位置相加，再进行全连接操作不改变输入和输出大小，使用leaky relu激活函数进行激活，得到结果。
[0018]进一步地，所述更新门为先将与向量拼接，再进行全连接操作且输出尺寸设置为输入尺寸的一半，使用relu激活函数进行激活，最后再与相乘，得到更新门结果。
[0019]进一步地，所述输出门得到两个结果，其中，第一个结果是当前状态输出结果，第二个结果是当前时间隐含状态；所述当前状态输出结果，是将上一个时间隐含状态与当前输入对应位置相加，再进行全连接操作不改变输入和输出大小，使用relu激活函数进行激活，得到；所述当前时间隐含状态，是将当前状态输出结果乘以更新门结果，得到。
[0020]进一步地，所述结果输出部分的3层全连接层具体包括，
[0021]将所述特征推理部分的输出结果的第一维去掉后输入结果输出部分，首先进入第一层全连接层，将输出维度设置为输入维度的4倍，使用relu激活函数进行激活；然后进入第二层全连接层，将输出维度设置为输入维度的1/8，使用relu激活函数进行激活；最后进入第三层全连接层，将输出维度设置为分类的个数，得到最后的结果。
[0022]本专利技术另一个目的在于提供一种电子设备，包括存储器和处理器，所述处理器用于执行所述存储器中存储的甲状腺识别模型，以实现上述的基于循环神经网络的甲状腺采样数据识别方法。
[0023]与现有技术相比，本专利技术能够取得下列有益效果：
[0024](1)本专利技术通过采样生物电阻抗测量方法获得采样数据，并对采样数据进行预处理获得对应的三维输入数据，将三维输入数据输入基于循环神经网络的甲状腺识别模型输出分类的个数，根据分类的个数判定所述采样数据是否超出预设范围，能够通过生物电阻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环神经网络的甲状腺采样数据识别方法，其特征在于，包括以下步骤：步骤1，使用生物电阻抗断层前端采集平台，对待测对象颈前部施加激励源，获取待测对象在不同激励条件下的采样数据；步骤2，对所述采样数据进行预处理获得对应的三维输入数据，将三维输入数据输入基于循环神经网络的甲状腺识别模型，所述甲状腺识别模型包括特征推理部分和结果输出部分，所述特征推理部分包括循环神经网络模块，所述结果输出部分包括3层全连接层，所述特征推理部分的输出结果输入所述结果输出部分，所述结果输出部分输出最后的结果，所述最后的结果为分类的个数；步骤3，根据所述分类的个数判定所述采样数据是否超出预设范围。2.根据权利要求1所述的一种基于循环神经网络的甲状腺采样数据识别方法，其特征在于，所述对采样数据进行预处理获得对应的三维输入数据的步骤包括，采样数据包括指标数据，所述指标数据包括激励源的频率和所述激励源的频率对应的电阻率，将指标数据转换为浮点型张量；将转换后的指标数据进行标准化处理，所述标准化处理为将每一个采样数据减去所有采样数据的平均值再除以所有采样数据的标准差，得到标准化处理后的数据；所述标准化处理后的数据是二维数据，将所述标准化处理后的数据增加一维处理获得所述对应的三维输入数据。3.根据权利要求1所述的一种基于循环神经网络的甲状腺采样数据识别方法，其特征在于，所述特征推理部分的循环神经网络模块包括4个循环神经网络层，待识别的采样数据有若干个指标数据，所述若干个指标数据经预处理获得对应的三维输入数据，将所述三维输入数据输入第一层循环神经网络层，其中，第1个输入数据是所述三维输入数据第三维的第1个数据，第2个输入数据是所述三维输入数据第三维的第2个数据，依此类推，第1个输入数据输入得到第2个输入数据的上一个时间隐含状态和第二层循环神经网络层的第1个输入，第2个输入数据输入得到第3个输入数据的上一个时间隐含状态和第二层循环神经网络层的第2个输入，依此类推，最后经过第四层循环神经网络层，得到特征推理部分的输出结果。4.根据权利要求3所述的一种基于循环神经网络的甲状腺采样数据识别方法，其特征在于，所述循环神经网络层包括门控循环单元，所述门控循环单元包括丢弃门、输入门、更新门和输出门；所述丢弃门确定上一个隐含层输出的时间隐含状态需要丢弃的数据，所述输入门计算当前输入的状态，所述更新门根据所述丢弃门和所述输入门数据对当前的输入数据进行更新，所述输出门产生下一个输入的时间隐含状态和当前状态输出结果。5.根据权利要求4所述的一种基于循环神经网络的甲状腺采样数据识别方法，其特征在于，所述丢弃门为先将上一个时间隐含状态h
i
‑1与当前输入x
i
对应位置相加，再进行全连接操作不改变输入和...

【专利技术属性】
技术研发人员：燕自保，董朝阳，张剑，
申请(专利权)人：武汉中数医疗科技有限公司，
类型：发明
国别省市：