基于Res2net的肝纤维化检测模型训练方法与系统技术方案

本发明专利技术公开了一种基于Res2net的肝纤维化检测模型训练方法与系统，涉及医学技术领域，所述方法包括确定训练数据集；构建Res2net模型，对所述Res2net模型进行改进，构建指标加权模型，在改进后的Res2net模型和所述指标加权模型之后增加全局平均池化层和卷积层，得到肝纤维化检测模型；利用所述训练数据集训练所述肝纤维化检测模型，得到目标肝纤维化检测模型。本发明专利技术能够综合利用多模态数据，更全面地捕捉肝纤维化病变的特征，其次，通过对Res2net模型进行改进，引入指标加权模型，并添加全局平均池化层和卷积层，提高了模型对复杂图像数据的理解能力，改进可以更准确地识别和定位肝纤维化病变，有效提高了检测的准确性。

【技术实现步骤摘要】

本专利技术涉及医学，具体涉及一种基于res2net的肝纤维化检测模型训练方法与系统。

技术介绍

1、肝脏疾病在世界范围内已经成为影响人类健康的重要原因。各种肝病的发展过程会伴随肝脏的纤维化，而肝脏的纤维化也会伴随肝脏的弹性变化。传统的肝纤维化诊断需要通过穿刺针进行肝组织获取，操作过程不仅是有创，而且局部的肝组织获取并不能完全代表整个肝脏的病情发展程度。此外，部分病人会在穿刺术后承担疼痛、出血等术后并发症的风险。虽然国外已经有开发出的血清模型(比如apri、fib-4)和先进的肝硬度检测设备(例如超声弹性成像)，但是上述方法的肝脏纤维化预测结果的准确率低，血清模型应用在国内病人数据的auc值通常都在0.7左右。而肝硬度检测设备的准确性虽然相对较高，但很容易出现测量失误，因此也影响了其实用性。

技术实现思路

1、针对现有技术中的缺陷，本专利技术提供一种基于resnet的肝纤维化检测模型训练方法与系统，以解决现有的肝脏纤维化检测准确率低的问题。

2、本专利技术的技术方案为：

<p>3、一种基于re本文档来自技高网...

【技术保护点】

1.基于Res2net的肝纤维化检测模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括对肝脏样本图像数据进行预处理，所述预处理包括：

3.根据权利要求2所述的方法，其特征在于，所述预处理还包括：

4.根据权利要求1所述的方法，其特征在于，对所述Res2net模型进行改进包括：在Res2net模型第一层和第二层之后增加通道注意力提取模块和空间注意力模块，在第三层之前增加全局平均池化层，将原始图像和第一个空间注意力模块的输出引入第三层。

5.根据权利要求4所述的方法，其特征在于，所述通道注意力模块包括全池...

【技术特征摘要】

1.基于res2net的肝纤维化检测模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括对肝脏样本图像数据进行预处理，所述预处理包括：

3.根据权利要求2所述的方法，其特征在于，所述预处理还包括：

4.根据权利要求1所述的方法，其特征在于，对所述res2net模型进行改进包括：在res2net模型第一层和第二层之后增加通道注意力提取模块和空间注意力模块，在第三层之前增加全局平均池化层，将原始图像和第一个空间注意力模块的输出引入第三层。

5.根据权利要求4所述的方法，其特征在于，所述通道注意力模块包括全池化层、平均池化层、两层感知器和激活函数，所述第一层处理后的特征分别输入至全池化层和平均池化层，全池化层和平均池化层的输出同时输入至两...

【专利技术属性】
技术研发人员：李阳，杜志祥，姜海涛，韩立兵，杨永林，肖丽，
申请(专利权)人：泰州市人民医院，
类型：发明
国别省市：