[發明專利]一種基于卷積神經網絡的圖像識別方法

有效

• 申請號: 201811557964.0
• 申請日: 2018-12-19
• 公開（公告）號: CN109657719B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 張恒瑜;包勇;文耀鋒
• 申請（專利權）人: 浙江大學常州工業技術研究院
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/774;G06N3/04;G06N3/08;G06T7/00;G06T7/70
• 代理公司: 常州市權航專利代理有限公司 32280
• 代理人: 朱鑫樂

本發明提供了一種基于卷積神經網絡的圖像識別方法，包括以下步驟：S100、標注：為斷面圖的每個分區賦唯一值Label_j，為斷面圖中的異物區賦唯一值Label_m，S200，獲取訓練集：選取同一目標物的M個標注后的斷面圖依序排列并層疊得到目標物的立體圖集，將立體圖集作為一個訓練樣本，收集若干個訓練樣本組成訓練集；S300、構建卷積神經網絡；S400、將所述訓練集輸入所述卷積神經網絡中進行訓練，得到卷積神經網絡分類模型。這種基于卷積神經網絡的圖像識別方法將標注后的多張斷面圖按序層疊后作為訓練樣本對卷積神經網絡進行訓練，得到能夠根據CT圖得到異物所處位置的卷積神經網絡分類模型，這種卷積神經網絡分類模型能夠輔助醫生高效準確的判斷出異物所在位置。

技術領域

本發明涉及基于深度學習的圖片識別方法，尤其涉及一種基于卷積神經網絡的圖像識別方法。

背景技術

CT(Computed Tomography)，即電子計算機斷層掃描，它是利用精確準直的X線束、γ射線、超聲波等，與靈敏度極高的探測器一同圍繞人體的某一部位作一個接一個的斷面掃描，具有掃描時間快，圖像清晰等特點，可用于多種疾病的檢查；根據所采用的射線不同可分為：X射線CT(X-CT)、超聲CT(UCT)以及γ射線CT(γ-CT)等。

通過CT掃描獲得若干張連續的二維的斷面圖，醫生通過對這些斷面圖進行觀察，從而找到病癥所在。由于人的器官是立體的，當器官中出現異物(例如腫瘤、肺結節等)，醫生可能需要觀察較多數量的斷面圖后才能找到異物的所在部位。有些器官例如肺部，是一種可以分為18段的結構，當肺部產生異物時，目前對于CT圖的處理方法只能定位異物的具體坐標，并不能直接得到異物產生在肺部的哪個段中；對于醫生來說，異物的具體坐標對于病情的診斷并沒有多大意義，醫生仍然需要對斷面圖進行觀察才能得知異物產生的位置；而且并不是每張肺部的斷面圖都包含18個段，除非是經驗非常豐富的醫生，否則很難又快有準的區分出肺部的每一段，這也給診斷的過程造成了很大的阻礙。

發明內容

本發明要解決的技術問題是：為了解決現有技術中缺乏高效準確的從CT圖中得到異物所處器官部位的方法，本發明提供了一種基于卷積神經網絡的圖像識別方法來解決上述問題。

本發明解決其技術問題所采用的技術方案是：一種基于卷積神經網絡的圖像識別方法，包括以下步驟：

S100、標注：為斷面圖的每個分區賦唯一值Label_j，為斷面圖中的異物區賦唯一值Label_m，其中j為1～n，n為目標物具有的分區數量，所述分區內每個像素的灰度值為Label_j，所述異物區內每個像素的灰度值為Label_m；

S200，獲取訓練集：選取同一目標物的M個標注后的斷面圖依序排列并層疊得到目標物的立體圖集，將立體圖集作為一個訓練樣本，收集若干個訓練樣本組成訓練集；

S300、構建卷積神經網絡；

S400、將所述訓練集輸入所述卷積神經網絡中進行訓練，得到卷積神經網絡分類模型。

作為優選，還包括步驟，DICOM格式的CT斷面圖轉換成維度為512*512*1并且格式為PNG的所述斷面圖。

作為優選，在所述步驟S200中，以某一張斷面圖為中心上下各取10張斷片圖層疊得到維度為512*512*21的立體圖集，通過reshape函數調整立體圖集的維度成128*128*21。

作為優選，所述卷積神經網絡依次包括輸入層、第一卷積層、第一ReLU層、第一池化層、第二卷積層、第二ReLU層、第二池化層、第三卷積層、第三ReLU層、第三池化層、第一全連接層、第二全連接層和輸出層；

在所述步驟S400中包括以下步驟：