[發明專利]用于嬰幼兒腦病歷圖像分割的全卷積遺傳神經網絡方法

有效

• 申請號: 202010697178.1
• 申請日: 2020-07-20
• 公開（公告）號: CN112001887B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 丁衛平;馮志豪;李銘;孫穎;張毅;鞠恒榮;曹金鑫
• 申請（專利權）人: 南通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱小兵

本發明公開了一種用于嬰幼兒腦病歷圖像分割的全卷積遺傳神經網絡方法，屬于醫學圖像信息智能處理領域，首先輸入嬰幼兒腦病歷圖像數據，對圖像預處理，并根據DMPGA?FCN網絡權值長度L對參數進行遺傳編碼初始化；然后將m個個體隨機劃分至遺傳原生子種群Pop中并衍生孿生子種群Pop′，子種群在不相交區間確定各自交換概率p_c和變異概率p_m，使用遺傳算子尋找最優初始權值fa；其次將fa作為前向傳播計算參數，并在特征地址featuremap上做加權Q操作；最后將嬰幼兒腦病歷預測圖像與標準分割圖進行逐像素交叉熵損失計算從而反向更新權值，最終得到嬰幼兒腦病歷圖像分割網絡模型的最優權值。本方法能提高嬰幼兒腦病歷圖像分割效率，對嬰幼兒腦病的早期正確診斷和患兒腦病的康復具有重要意義。

技術領域

本發明涉及到醫學圖像信息智能處理領域，具體來說涉及一種用于嬰幼兒腦病歷圖像分割的全卷積遺傳神經網絡方法。

背景技術

嬰幼兒期是大腦發育的關鍵時期，不僅發育快、而且可塑性強，罹患各種腦病的幾率也大大高于成人或其他成長時期。近年來，高危兒和極低體重兒生存幾率的大幅度提高，嬰幼兒腦部疾病的發生率呈現上升趨勢，早期診斷具有較大困難。因此積極探索嬰幼兒腦病的計算機智能輔助早期診斷方法，對嬰幼兒腦疾病的診斷和評估具有重要意義。

近年來隨著帶注釋數據量的快速增大和圖形處理器單元性能的巨大提升，全卷積神經網絡的研究迅速興起，在圖像分割應用領域具有較好的優勢。但由于嬰幼兒腦病歷圖像具有分辨率低，圖像的灰度不均勻性等特征，采用傳統的全卷積神經網絡方法對嬰幼兒腦病歷圖像進行分割時,容易出現梯度下降、算法易陷入局部最優解和圖像特征信息無法有效保留等顯著問題，導致這些方法在嬰幼兒腦病歷圖像分割時出現耗時多、訓練難、精度低等問題，從而不能獲取高準確度的嬰幼兒腦病歷分割圖像。

發明內容

本發明的目的是提供一種用于嬰幼兒腦病歷圖像分割并具有較高效率和準確度的全卷積遺傳神經網絡方法，該方法能大大降低了運行時間，提升圖像分割時的精度，為相關嬰幼兒腦腦疾病的臨床診斷和治療提供重要的影像特征依據。

本發明通過以下的技術方案實現的：

一種用于嬰幼兒腦病歷圖像分割的全卷積遺傳神經網絡方法，具體步驟如下：

步驟1，輸入嬰幼兒腦病歷圖像，對嬰幼兒腦病歷圖像進行灰度處理和增強處理，然后使用圖像標記工具Image Labeler給嬰幼兒腦病歷圖像進行標簽，訓練集為X＝(x₁,x₂,...,x_n),n＝1,2,3,...，標簽集為B＝(b₁,b₂,...,b_n),n＝1,2,3,...，將嬰幼兒腦病歷圖像對應的標簽保存到真實值矩陣y_true中；

步驟2,對嬰幼兒腦病歷圖像使用的全卷積遺傳神經網絡權值參數進行雙線性插值初始化f(i,j)，具體計算方式公式(1)所示：

f(i,j)＝w₁×p₁+w₂×p₂+w₃×p₃+w₄×p₄ (1)

式中，p_i為最近的四個像素點，其中，i＝1,2,3,4,，w_j為各點相應權值，其中，j＝1,2,3,4；

采用二進制編碼生成m個編碼長度為L的染色體，L的計算方式如下公式(2)所示：

L＝F×F×D×N (2)

式中，L為遺傳染色體編碼長度，F為卷積核尺寸，N為卷積核個數，D為卷積層的深度；