[發明專利]一種基于深度學習的全端到端小器官圖像識別方法

有效

• 申請號: 202010066775.4
• 申請日: 2020-01-20
• 公開（公告）號: CN111275720B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 龔薇;斯科;薛穎
• 申請（專利權）人: 浙江大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

1.一種基于深度學習的全端到端小器官圖像識別方法，其特征在于：

包括依次進行的以下步驟：醫學影像數據集建立、有效圖像篩選、神經網絡建立、神經網絡訓練、圖像融合；所述神經網絡建立包括下述依次串聯的子網絡：器官篩選網絡和器官分割網絡，由器官篩選網絡和器官分割網絡組成串聯多階卷積神經網絡；

所述的器官篩選網絡包括卷積層Conv、線性整流激活函數ReLU、最大池化層MaxPool、平均池化層AvgPool、批量規范化層BN、丟棄層Dropout、全連接層FC、恒等映射殘差塊IDBlock、降采樣殘差塊DS Block；有效圖像篩選后的圖像輸入到卷積池化模塊，卷積池化模塊輸出依次經第一恒等映射殘差塊ID Block、第二恒等映射殘差塊ID Block、混合殘差塊模塊和池化模塊后輸出圖像中是否含有小器官的結果，然后將含有小器官的圖像作為后續器官分割網絡的輸入；卷積池化模塊是由一個卷積層Conv、一個線性整流激活函數ReLU、一個最大池化層MaxPool依次連接構成，混合殘差塊模塊是由第一降采樣殘差塊DS Block、第三恒等映射殘差塊ID Block、第二降采樣殘差塊DS Block、第四恒等映射殘差塊ID Block、第三降采樣殘差塊DS Block、第五恒等映射殘差塊ID Block依次連接構成；第一到第五恒等映射殘差塊ID Block的結構均相同，均是由第一個批量規范化層BN、第一個線性整流激活函數ReLU、第一個卷積層Conv、一個丟棄層Dropout、第二個批量規范化層BN、第二個線性整流激活函數ReLU、第二個卷積層Conv依次連接構成，同時第一個批量規范化層BN的輸入連接到第二個卷積層Conv的輸出進行合并連接；第一到第三降采樣殘差塊DS Block的結構均相同，均是由第一個批量規范化層BN、第一個線性整流激活函數ReLU、第一個卷積層Conv、一個丟棄層Dropout、第二個批量規范化層BN、第二個線性整流激活函數ReLU、第二個卷積層Conv依次連接構成，同時第一個批量規范化層BN的輸入經第三個卷積層Conv連接到第二個卷積層Conv的輸出進行合并連接；池化模塊是由平均池化層AvgPool和全連接層FC依次連接構成；

所述的器官分割網絡包括卷積塊Conv Block、卷積層Conv、反卷積層Trans Conv、線性整流激活函數ReLU、最大池化層MaxPool、批量規范化層BN、丟棄層Dropout；器官篩選網絡輸出的圖像輸入到卷積池化丟棄模塊中，卷積池化丟棄模塊輸出依次經第五卷積塊ConvBlock和反卷積丟棄模塊、卷積模塊后輸出小器官區域的二值化圖像；卷積池化丟棄模塊是由第一卷積塊Conv Block、最大池化層MaxPool、丟棄層Dropout、第二卷積塊Conv Block、最大池化層MaxPool、丟棄層Dropout、第三卷積塊Conv Block、最大池化層MaxPool、丟棄層Dropout、第四卷積塊Conv Block、最大池化層MaxPool、丟棄層Dropout依次連接構成；反卷積丟棄模塊主要由第一反卷積層Trans Conv、丟棄層Dropout、第六卷積塊Conv Block、第二反卷積層Trans Conv、丟棄層Dropout、第七卷積塊Conv Block、第三反卷積層TransConv、丟棄層Dropout、第八卷積塊Conv Block、第四反卷積層Trans Conv、丟棄層Dropout、第九卷積塊Conv Block依次連接構成，同時卷積池化丟棄模塊的第一卷積塊Conv Block的輸出和反卷積丟棄模塊的第一丟棄層Dropout的輸出進行像素級疊加后輸入到反卷積丟棄模塊的第六卷積塊Conv Block；卷積池化丟棄模塊的第二卷積塊Conv Block的輸出和反卷積丟棄模塊的第二丟棄層Dropout的輸出進行像素級疊加后輸入到反卷積丟棄模塊的第七卷積塊Conv Block；卷積池化丟棄模塊的第三卷積塊Conv Block的輸出和反卷積丟棄模塊的第三丟棄層Dropout的輸出進行像素級疊加后輸入到反卷積丟棄模塊的第八卷積塊ConvBlock；卷積池化丟棄模塊的第四卷積塊Conv Block的輸出和反卷積丟棄模塊的第四丟棄層Dropout的輸出進行像素級疊加后輸入到反卷積丟棄模塊的第九卷積塊Conv Block；第一到第九卷積塊Conv Block的結構除卷積層的卷積核個數不同外，其余結構均相同，均是由三個連續連接的卷積激活單元連接構成，每個卷積激活單元是由一個卷積層Conv、一個批量規范化層BN、一個線性整流激活函數ReLU依次連接構成；第一到第四反卷積層TransConv的結構除卷積核個數不同外，其余結構均相同；卷積模塊是由一個卷積層Conv和一個批量規范化層BN依次連接構成。