一种基于NAS、Lambda层、Resnet集成策略的深度神经网络改进方法技术

本发明专利技术公开了一种基于NAS、Lambda层、Resnet集成策略的深度神经网络改进方法，包括以下步骤：首先，对数据集进行数据预处理；其次对CT图像进行十倍的交叉验证分割，并划分训练集和测试集；然后建立基于NAS、Lambda层、Resnet集成策略的深度神经网络模型，进行肺结节良恶性分类，以及评估该模型的效果；最后使用Softmax损失函数来训练整个网络，进行特征判别，并使用使用Davis

【技术实现步骤摘要】
一种基于NAS、Lambda层、Resnet集成策略的深度神经网络改进方法

：
[0001]专利技术提供一种基于NAS、Lambda层、Resnet集成策略的深度神经网络改进方法，主要应用于肺结节分类，即判断一个候选结节是良性的还是恶性的。

技术介绍
：
[0002]NAS的目的是发现神经网络的最佳结构，以满足特定的需要。NAS本质是将人工调整神经网络的过程变成自动执行任务以发现更复杂的架构的过程。这个领域包含了一组工具和方法，它们将使用搜索策略在搜索空间中测试和评估大量架构，并通过最大化适应度函数选择最能满足给定问题目标的架构。Lambda层(Lambada Layer)，它为捕获模型输入和上下文信息的结构化集合之间的长期交互提供了一个通用框架。它通过将可用上下文转换为线性函数(称为lambda)并将这些线性函数分别应用于每个输入来捕获此类交互。Lambda层用途广泛，可以实现为在全局，局部或者masked contexts中对内容和基于位置的交互进行建模。由于它们避开了对昂贵的注意力图的需求，因此可以将lambda层常规地应用于成千上万个长度的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于NAS、Lambda层、Resnet集成策略的深度神经网络改进方法，其特征在于，该方法包括以下步骤：步骤1：数据预处理模块，对完整数据集进行数据预处理；步骤2：肺结节分类模块，采用NAS、Lambda层和残差(Resnet)块集成网络进行肺结节良恶性判别；步骤3：评估模块，采用使用准确率、灵敏性、特异性和f1评分进行评估该集成模型肺结节分类的效果，以及使用Davis
‑
Bouldin指数(DBI)评估Softmax学习到的深度特征的可判别性。2.根据权利要求1所述的基于NAS、Lambda层、Resnet集成策略的深度神经网络改进方法，其特征在于，所述步骤1中，数据预处理模块，对完整数据集进行数据预处理，具体步骤为：步骤1
‑
1选择包含良性病例和恶性病例的肺结节数据集A，对数据集A进行数据预处理，即将切片厚度大于3mm、切片间距不一致或有缺失CT的病例从中剔除，得到数据集D；步骤1
‑
2对数据集D中肺结节CT图像进行十倍的交叉验证分割，并划分为训练集S和测试集T。3.根据权利要求1所述的一种基于NAS、Lambda层、Resnet集成策略的深度神经网络改进方法，其特征在于，所述步骤2中，肺结节分类模块，采用NAS、Lambda层和残差(Resnet)块集成网络进行肺结节良恶性判别，具体步骤为：步骤2
‑
1将分割后得到的图像输入到基于NAS、Lambda层、Resnet集成策略的深度神经网络中，该网络阶段1、阶段2包括一个三维卷积层，分别为Conv1和Conv2，阶段1、阶段2都有4个输出通道；步骤2
‑
2阶段1、阶段2输出到3
‑
5阶段，该模型3
‑
5(S)阶段包括L、M、N个残差(Resnet)块，S阶段第i(i＝3；4；5)残块通道数用S
i
表示；通过减少搜索空间来学习最优L、M、N和S
i
，公式为：步骤2
‑
3将Lambda层分别扩展到阶段2
‑
5的最后一层，Lambda层首先通过线性映射上下文来计算键和值，并通过Softmax操作上下文位置对键进行标准化，进而得到生成标准化的键它的实现可以被看作是一种函数传递形式，每个上下文元素贡献一个内容函数和一个位置函数入
n
函数是通过加和context得到的，公式为：函数是通过加和context得到的，公式为：函数是通过加和context得到的，公式为：式中，content lambda...

【专利技术属性】
技术研发人员：周文进，苗世迪，王国鹏，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：