[發(fā)明專利]一種基于注意力卷積神經(jīng)網(wǎng)絡(luò)的胸部肋骨骨折檢測方法

有效

• 申請?zhí)枺?/td>: 202010845981.5
• 申請日: 2020-08-20
• 公開（公告）號: CN111986177B
• 公開（公告）日: 2023-06-16
• 發(fā)明（設(shè)計）人: 張雄;彭司春;上官宏;侯婷;郝雅文;王安紅
• 申請（專利權(quán)）人: 太原科技大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/66;G06N3/0464;G06N3/084
• 代理公司: 太原中正和專利代理事務(wù)所(普通合伙) 14116
• 代理人: 焦進宇

1.一種基于注意力卷積神經(jīng)網(wǎng)絡(luò)的胸部肋骨骨折檢測方法，其特征在于，具體步驟如下：

一、構(gòu)建胸部肋骨骨折數(shù)據(jù)集；

二、對胸部肋骨骨折數(shù)據(jù)集進行訓(xùn)練：

1)、將胸部肋骨骨折數(shù)據(jù)集送入預(yù)處理模塊進行預(yù)處理；

2)、預(yù)處理后的圖像送入特征提取網(wǎng)絡(luò)進行初級特征提取；

3)、初級特征提取后的圖像送入多尺度Inception模塊進行多尺度特征提取，并對不同尺度特征進行重新組合；

多尺度Inception模塊包括四個分支，其中的三條分支采用大小為1×1的卷積核進行卷積，采用大小為3×3的卷積核對卷積的結(jié)果進行卷積操作；另一條分支采用大小為3×3的池化核進行池化，采用大小為1×1的卷積核對池化的結(jié)果進行卷積操作；四條支路卷積后的結(jié)果輸入卷積層進行數(shù)據(jù)降維；

4)、重組后的圖像送入級聯(lián)角點池化預(yù)測模塊，預(yù)測待檢測目標的左上角、右下角關(guān)鍵點，并分別輸出熱點圖、連接矢量和偏移量；

重組后的圖像送入中心池化預(yù)測模塊，預(yù)測待檢測目標的中心點，并分別輸出偏移量和熱點圖，中心點熱點圖通過注意力模塊處理；

5)、通過整體損失函數(shù)對角點的熱點圖/連接矢量/偏移量、中心點的偏移量/熱點圖進行約束；

三、對胸部肋骨骨折數(shù)據(jù)集進行測試：

測試的前期過程與步驟二中訓(xùn)練過程的步驟1)、步驟2)、步驟3)、步驟4)相同，區(qū)別步驟為：中心點熱點圖通過注意力模塊處理，并對預(yù)測的左上角、右下角、中心關(guān)鍵點的參數(shù)進行目標分類和定位；

所述注意力模塊包括三個支路，第一支路采用大小為1×1的卷積核對輸入圖像進行卷積并得到特征圖f(x)，第二支路采用大小為1×1的卷積核對輸入圖像進行卷積并得到特征圖g(x)，計算特征圖f(x)和g(x)的自相關(guān)系數(shù)，得到特征圖像素權(quán)重值分布圖；第三支路采用大小為1×1的卷積核對輸入圖像進行卷積并得到特征圖h(x)，特征圖h(x)與特征圖像素權(quán)重值分布圖相乘得到對應(yīng)的自注意力機制特征圖，找到權(quán)重最大的點即最能突顯特征的響應(yīng)點，通過調(diào)制因子α把自注意力機制特征圖疊加到原輸入特征圖上得到輸出。

2.根據(jù)權(quán)利要求1所述的一種基于注意力卷積神經(jīng)網(wǎng)絡(luò)的胸部肋骨骨折檢測方法，其特征在于，用熱點損失函數(shù)對熱點圖進行約束，用連接矢量損失函數(shù)對連接矢量進行約束，用偏移損失函數(shù)對偏移量進行約束。

3.根據(jù)權(quán)利要求2所述的一種基于注意力卷積神經(jīng)網(wǎng)絡(luò)的胸部肋骨骨折檢測方法，其特征在于，所述整體損失函數(shù)包括角點位置損失、注意力點位置損失、嵌入損失、角點補償和注意力點補償損失，具體表達如下：

其中，α＝β＝0.1，γ＝1；

表示角點位置，表示注意力點位置損失，表示嵌入損失，用來縮小屬于同一個目標的兩個角點連接矢量的距離，用來擴大不屬于同一個目標的兩個角點連接矢量的距離，表示角點的補償損失；表示注意力點的補償損失。

4.根據(jù)權(quán)利要求1所述的一種基于注意力卷積神經(jīng)網(wǎng)絡(luò)的胸部肋骨骨折檢測方法，其特征在于，步驟一中，構(gòu)建胸部肋骨骨折數(shù)據(jù)集的具體流程為：CT掃描機對胸部進行掃描，獲取胸部肋骨骨折數(shù)據(jù)，對胸部肋骨骨折數(shù)據(jù)進行類別分類、人工標注、格式轉(zhuǎn)換操作，獲得胸部肋骨骨折數(shù)據(jù)集。