基于改进制造技术

本发明专利技术公开了基于改进的

【技术实现步骤摘要】
基于改进ResNet模型的甲状腺显像图像自动诊断方法


[0001]本专利技术属于图像诊断领域，具体涉及基于改进
ResNet
模型的甲状腺显像图像自动诊断方法
。

技术介绍

[0002]甲状腺疾病是世界范围内常见的内分泌疾病之一，甲状腺显像图像在甲状腺疾病的诊断中起到重要的作用
。
然而，传统的手动分析和诊断方法存在主观性
、
人力成本高等问题；所以存在为了提高甲状腺疾病的早期检测和准确性，近年来基于深度学习的自动诊断方法备受关注；并且已经取得了一定进步，现有的甲状腺图像诊断医生可以清晰地观察甲状腺的细微结构和异常区域有助于医生客观地评估病变，并进行更准确的诊断
。
[0003]尽管甲状腺图像的自动诊断已经取得了一些进展，但仍存在一些缺陷和挑战，如：
[0004]1、
现有的图像诊断的原始数据集少，会造成第一，网络过拟合，由于样本有限，模型可能会过分依赖于训练集中的个别样本特点，而无法进行泛化；
[0005]2、
低质量的图像可能会导致模糊<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于改进的
ResNet
模型的甲状腺闪烁图像自动诊断的方法，其特征在于，包括：
S1:
将收集的数据图像按8：2比例随机划分为训练集
、
验证集，利用训练集和验证集对神经网络进行训练；
S2:
对原始数据集图像进行预处理；
S3:
在
ResNet34
原网络最后添加一个具有2个残差块的残差层，并在每个残差网络模块中添加通道注意力模块，同时去掉通道注意力模块的降维部分并使用一维卷积替代全连接层，最后移除最后一个全连接层，添加三层全连接层，采用
dropout
策略，构建
ThyNet
网络模型；
S4:
设置网络的超参数，并采用全连接
、Softmax
函数
、Adam
优化器和随机梯度下降策略进行
ThyNet
网络模型优化；在此过程中利用随机梯度下降算法对
ThyNet
网络模型进行迭代优化，得到最优解；设置的最大迭代次数，初始学习率；训练
ThyNet
网络模型；
S5:
训练好的
ThyNet
网络模型对内部和外部验证集做甲状腺显像图像分类，对分类准确度进行分析
。2.
根据权利要求1所述的基于改进的
ResNet
模型的甲状腺闪烁图像自动诊断的方法，其特征在于，所述
S2
中：
S2.1:
设定标签：所有图像数据的标签均由两位中级及以上的医师分别标定，如果有分歧，共同商议决定；
S2.2:
数据增强：随机水平翻转，随机旋转，颜色抖动
、
添加随机噪声和仿射变换；
S2.3:
数据归一化：数据增强之后，对所有的图像进行归一化处理
3.
根据权利要求1所述的基于改进的
ResNet
模型的甲状腺闪烁图像自动诊断的方法，其特征在于，所述
S3
中：
S3.1
：
ResNet34
原网络包含4个残差层，每个残差层分别包含
3、4、6、3
个残差块；在原网络中残差层最后添加一个具有2个残差块的残差层，变为一个包含5个残差层的深度神经网络；
S3.2:
在每个残差网络模块中添加通道注意力模块
(ECA)
；
ECA
模块去掉了降维部分并且使用一维卷积替代全连接层；
ECA
数学公式为：
S3.3:
移除最后一个全连接层，添加三层全连接层，并采用
dropout
策略，防止过拟合
。4.
根据权利要求3所述的基...

【专利技术属性】
技术研发人员：袁耿彪，饶茂华，赵华燚，郑晨曦，熊亚岚，张慧慧，李奕璇，张文倩，
申请(专利权)人：重庆医科大学附属第二医院，
类型：发明
国别省市：