[發明專利]一種基于三維卷積神經網絡的腦部MRI圖像分類方法、裝置

有效

• 申請號: 201710762475.8
• 申請日: 2017-08-30
• 公開（公告）號: CN107563434B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 尹義龍;劉云;楊公平;襲肖明;孟憲靜;任剛
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.一種基于三維卷積神經網絡的腦部MRI圖像分類方法，其特征在于，包括：

獲取腦部MRI原始圖像，將所述原始圖像分為圖像數量相等的一個訓練集和一個測試集；

采用訓練集圖像對三維卷積神經網絡進行訓練，用測試集圖像輸入至訓練好的三維卷積神經網絡中，得到腦部MRI圖像分類結果；

所述三維卷積神經網絡包括主網絡和輔助網絡，主網絡和輔助網絡均包括卷積層、池化層、全連接層和輸出層；從不同的層次對MRI圖像進行特征的提取，學習出腦部MRI圖像中的中、高級的特征，所述輔助網絡插接在主網絡的卷積層中；

所述主網絡具有多個卷積層，輔助網絡插接在中部卷積層中；

所述輔助網絡具有多個，分別插接在中部卷積層中，且多個輔助網絡彼此不相鄰；

所述用測試集圖像輸入至訓練好的三維卷積神經網絡中，得到腦部MRI圖像分類結果包括：

用測試集圖像輸入至訓練好的三維卷積神經網絡后，得到主網絡和輔助網絡的輸出概率，采用最大概率融合方法得到唯一的分類輸出結果；

最大概率融合方法為：

1)設主網絡的概率輸出矩陣為P＝(p₁，p₂)，p₁為屬于惡性腫瘤的概率，p₂ 為屬于良性腫瘤的概率；

2)設兩個輔助網絡的輸出概率為P_sub1＝(p₁₁，p₁₂)和P_sub2＝(p₂₁，p₂₂)，其中p₁₁為輔助網絡1中屬于惡性腫瘤的概率，p₁₂為輔助網絡1中屬于良性腫瘤的概率，p₂₁為輔助網絡2中屬于惡性腫瘤的概率，p₂₂為輔助網絡2中屬于良性腫瘤的概率；

3)計算max{p₁,p₂,p₁₁,p₁₂,p₂₁,p₂₂}，得到最大概率p^*，最大概率p^*所述的類別即為分類結果。

2.根據權利要求1所述的一種基于三維卷積神經網絡的腦部MRI圖像分類方法，其特征在于，還包括對所述腦部MRI原始圖像進行預處理：采用三維線性插值法，對腦部MRI原始圖像進行降采樣，將經降采樣后的圖像分為訓練集和測試集。

3.根據權利要求1所述的一種基于三維卷積神經網絡的腦部MRI圖像分類方法，其特征在于，所述主網絡或輔助網絡中的卷積層具有多個三維卷積核，采用上述多個三維卷積核分別對輸入圖像做卷積，輸出不同的映射結果。

4.根據權利要求1所述的一種基于三維卷積神經網絡的腦部MRI圖像分類方法，其特征在于，采用隨機梯度下降法對所述三維卷積神經網絡進行迭代訓練，輸出最優的網絡參數。

5.根據權利要求1所述的一種基于三維卷積神經網絡的腦部MRI圖像分類方法，其特征在于，所述輸出層采用softmax函數輸出每一輸入圖像屬于每個類的概率。