基于循环特征金字塔的医学图像肺结节检测方法
专利汇可以提供基于循环特征金字塔的医学图像肺结节检测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于循环特征金字塔的医学图像 肺 结节检测方法，主要解决 现有技术 对肺部微小结节和磨玻璃结节提取难度大而导致检测 精度 低的问题。其实现步骤为：1)获取医学图像；2)对医学图像进行预处理，扩充样本数据集；3)结合特征图构建循环特征金字塔检测模型；4)利用扩充数据集样本对检测模型进行训练，得到目标检测模型；5)将数据集中的测试集输入到训练好的检测模型中进行肺部结节检测。本发明构建了新的特征提取网络，加快了网络训练速度，增强了对不同尺寸结节的敏感度，提高了医学图像肺部结节的检测精度，可用于计算机辅助医疗诊断系统。，下面是基于循环特征金字塔的医学图像肺结节检测方法专利的具体信息内容。
1.基于循环特征金字塔的医学图像肺部结节检测方法，包括：
(1)从公开数据集LIDC-IDRI从中选取1000份胸部扫描图像，通过读取原始提供数据库的XML格式注释文件，提取出肺部结节坐标位置信息，并用脱敏的胸部扫描图和肺部节点坐标信息组成样本数据集，将样本数据集中的700份胸部扫描图像作为训练数据集T，300份胸部扫描图像作为数据测试集；
(2)将700份训练数据集T输入DCGAN网络生成新的肺部扫描图片数据集Z，同时对生成的扫描图片数据集Z和原始的训练数据集图片T进行缩放和随机裁剪，得到扩充后的数据集作为新的训练数据集S；
(3)构建循环特征金字塔：
(3a)由Resnet-50网络中前3个stage共19层卷积层组成金字塔的第一部分网络，将训练数据集S输入到第一部分网络中，输出342个第一特征图；
(3b)由五层新卷积层组成金字塔的第二部分网络，各层结构如下：
第一层新卷积层的卷积核个数为513个，卷积核大小为3*3，输出513个第二特征图；
第二层新卷积层的卷积核个数为255个，卷积核大小为3*3，输出255个第三特征图；
第三层新卷积层的卷积核个数为255个，卷积核大小为3*3，输出255个第四特征图；
第四层新卷积层的卷积核个数为129个，卷积核大小为3*3，输出129个第五特征图；
第五层新卷积层的卷积核个数为128个，卷积核大小为3*3，输出128个第六特征图；
(3c)将第一部分网络得到的第一特征图与第二部分网络得到的第二至第五特征图做循环融合，组成循环特征金字塔；
(4)将循环特征金字塔中第二到第六特征图与原始图片中目标位置和类别进行编码比对，利用特征图与原始图片的位置误差p和类别误差q计算分类损失函数L和区域位置回归损失函数M，构建目标检测损失函数：N＝L+αM，其中α为0到1之间的常数；
(5)应用批量梯度下降法对总损失N进行迭代训练，得到目标检测模型；
(6)将得到的目标检测模型对测试集中每张医学图像进行测试，得到每张医学图像中的结节检测结果。
2.根据权利要求1所述方法，其特征在于：步骤(2)对训练数据集T输入DCGAN网络生成新的肺部扫描图片数据集Z，其实现如下：
(2a)引入均匀噪声J作为DCGAN网络中生成网络G的输入，生成图片数据集F；
(2b)将生成的图片数据集F和原始训练图片数据集T作为DCGAN网络中判别网络D的输入，得到判别概率P；
(2d)设定阈值Q＝0.90，迭代训练DCGAN网络，直至判别概率P大于Q，生成新的肺部扫描图片数据集Z。
3.根据权利要求1所述的方法，其特征在于，步骤(3c)组成循环特征金字塔，按如下步骤进行：
(3c1)将训练数据集图片S输入到第二部份的第一层新卷积层中，得到513个第二特征图；
(3c2)将第一特征图与第二特征图进行融合，得到整二特征图；
(3c3)将整二特征图输入第二部分网络的第二层新卷积层中，得到255个第三特征图；
(3c4)将第二特征图与第三特征图进行融合，得到整三特征图：
(3c5)将整三特征图输入第二部分网络的第三层卷积层中，得到255个第四特征图；
(3c6)将第三特征图和第四特征图进行融合，得到整四特征图：
(3c7)将整四特征图输入第二部分网络的第四层卷积层中，得到129个第五特征图，(3c8)将第四特征图与第五特征图融合，得到整五特征图：
(3c9)将整五特征图输入第二部分网络的第五层卷积层中，得到128个第六特征图，(3c10)将第五特征图与第六特征图进行融合，得到整六特征图。
4.根据权利要求1所述的方法，其特征在于，(4)中利用特征图与原始图片的位置误差p和类别误差q计算分类损失函数L和区域位置回归损失函数M，其具体实现如下：
(4c1)将循环特征金字塔输出的第二至第六特征图分别划分成4*4的小网格；
(4c2)在每个小网格的中心画五个默认矩形框，每个默认矩形框的长与宽比设为1，2，
3，1/2，1/3；
(4c3)设定匹配搜索总框m的初始值为0；
(4c4)通过交并比公式计算默认矩形框与目标真实框的重叠比例U，当U≥0.5时，得到的匹配搜索总框m值加1；
(4c5)通过L1平滑损失函数公式，计算定位误差p；
(4c6)通过对数损失函数公式，计算分类损失q；
(4c7)根据定位误差p计算区域位置回归损失
(4c8)根据类别误差q计算分类损失
5.根据权利要求1所述的方法，其特征在于，(5)中应用批量梯度下降法对总损失N进行迭代训练，得到训练好目标检测模型，其具体实现如下：
(5c1)在每次迭代训练中，从训练集S中取出32张肺部扫描图片输入循环特征金字塔网络；
(5c2)对特征循环金字塔网络迭代训练30000次，得到训练好的目标检测模型，其中，前
20000次训练的学习率设为0.01，后10000次训练的学习率设为0.001。
6.根据权利要求3所述的方法，其特征在于，(3c2)将第一特征图与第二特征图进行融合，得到整二特征图，其具体实现如下：
(3c2_1)在第一部分得到的342个第一特征图中取114个子特征图进行下采样，得到下采样第一特征图；
(3c2_2)在第二部分网络得到的513个第二特征图中取342个子特征图进行上采样，得到上采样第二特征图；
(3c2_3)将下采样第一特征图与上采样第二特征图做拼接，形成个数为456的整二特征图。
7.根据权利要求3所述的方法，其特征在于，(3c4)将第二特征图与第三特征图进行融合，得到整三特征图，其具体实现如下：
(3c4_1)在第二部分网络得到的513个第二特征图中取171个子特征图进行下采样，得到下采样第二特征图；
(3c4_2)在第二部分网络得到的255个第三特征图中取170个子特征图进行上采样，得到上采样第三特征图；
(3c4_3)将下采样第二特征图与上采样第三特征图进行拼接，形成个数为341的整三特征图。
8.根据权利要求3所述的方法，其特征在于，(3c6)中将第三特征图与第四特征图进行融合，得到整四特征图，其具体实现如下：
(3c6_1)在第二部分网络得到的255第三特征图取85个子特征图做下采样得到下采样第三特征图；
(3c6_2)在第二部分网络得到的255个第四特征图中取170个子特征图做上采样得到上采样第四特征图；
(3c6_3)将下采样第三特征图与上采样第四特征图进行拼接，形成个数为255的整四特征图。
9.根据权利要求3所述的方法，其特征在于，步骤(3c8)中将第四特征图与第五特征图进行融合，得到整五特征图，其具体实现如下：
(3c8_1)在第二部分网络得到的255个第四特征图中取85个子特征图做下采样得到下采样第四特征图；
(3c8_2)在第二部分网络得到的129个第五特征图中取86个子特征图做上采样得到上采样第五特征图；
(3c8_3)将下采样第四特征图与上采样第五特征图拼接，形成个数为171整五特征图。
10.根据权利要求3所述的方法，其特征在于，步骤(3c10)中将第五特征图与第六特征图进行融合，得到整六特征图，其具体实现如下：
首先，在第二部分网络得到的129个第五特征图中取43个子特征图做下采样得到下采样第五特征图；
其次，在第二部分网络得到的128个第六特征图中取85个子特征图做上采样得到上采样第六特征图；
最后，将下采样第五特征图与上采样第六特征图拼接，形成个数为128的整六特征图。
基于循环特征金字塔的医学图像肺结节检测方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于CML的智能变电站设备网络结点连锁失效风险分析方法 | 2020-05-08 | 991 |
| 一种公共卫生医疗信息区域平台新型架构和实现方法 | 2020-05-08 | 412 |
| 一种区块链共识方法及装置 | 2020-05-08 | 256 |
| 一种基于RPL路由协议的IPv6无线传感网时间同步方法 | 2020-05-11 | 440 |
| 信息的传输方法及装置、存储介质和电子装置 | 2020-05-11 | 195 |
| 一种数据库处理方法、装置、存储介质及电子设备 | 2020-05-08 | 738 |
| 功率控制的方法及装置、上行传输的发送方法及装置 | 2020-05-11 | 847 |
| 资源配置的确定、指示方法及装置 | 2020-05-11 | 762 |
| 直播视频的回看方法、装置、电子设备、系统及存储介质 | 2020-05-08 | 510 |
| 一种基于EMMC的分布式存储装置 | 2020-05-08 | 449 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
