[發明專利]一種基于FPGA邊緣計算的醫學信息處理方法

有效

• 申請號: 202011543525.1
• 申請日: 2020-12-24
• 公開（公告）號: CN112263224B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 談玲;榮杉山;夏景明
• 申請（專利權）人: 南京信息工程大學
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 張華蒙

1.一種基于FPGA邊緣計算的醫學信息處理方法，其特征在于：包括如下步驟：

1）拍攝皮膚病圖像并上傳到FPGA邊緣計算設備進行毛發去除預處理和病灶區域邊緣輪廓分割預處理，生成原始皮膚病圖像和分割后的病灶圖像集合；

2） FPGA邊緣計算設備使用其搭載的IR-BNnet模型對集合中的所有圖像進行處理；所述的FPGA邊緣計算設備搭載的IR-BNnet模型包括IR_Block、BN_Block、全連接層和Softmax分類器；

3）信息處理服務器使用搭載的雙通道深度學習模型對FPGA的信息處理結果中類別識別概率值低于60%的模糊處理案例進行二次處理；

所述的步驟2）中，所述的IR_Block中包括3層反轉殘差層和1層最大池化層；所述的BN_Block中包括5層CNN卷積層和2層最大池化層；

所述的IR_Block反轉殘差層包括兩個2×2的depthwise卷積，其具體實現如下：

2.21）當步長為1時，輸入首先經過1×1的Conv卷積進行通道數的擴張，此時激活函數為ReLU6，然后連續經過兩個2×2的depthwise卷積，激活函數是ReLU6，接著經過1×1的pointwise卷積，將通道數壓縮回去，激活函數是Linear，將輸出和輸入相加，得到最終輸出；

2.22）當步長為2時，輸入首先經過1×1的Conv卷積進行通道數的擴張，激活函數為ReLU6；然后連續經過兩個2×2的depthwise卷積，激活函數是ReLU6；最后經過1×1的pointwise卷積得到最終輸出；

所述的BN_Block在每個CNN卷積層的激活函數之前插入批歸一化操作，具體包括如下步驟：

2.31）輸入首先經過3×3的Conv卷積提取特征信息，接著在該層激活函數之前加入批歸一化操作，對輸出的特征進行收斂，然后將該層輸出作為輸入再次進行3×3的Conv卷積和批歸一化操作，最后通過最大池化層過濾冗余特征信息得到該層最終輸出；

2.32）將上層最終輸出作為該層輸入連續進行3次進行3×3的Conv卷積和批歸一化操作，最后通過最大池化層輸出BN_Block模塊的最終輸出。

2.根據權利要求1所述的一種基于FPGA邊緣計算的醫學信息處理方法，其特征在于：所述的步驟1）中，毛發去除預處理的具體過程如下：

1.1a）對每個皮膚病圖像的像素進行灰度化處理，灰度變換的函數為

其中，R，G，B即圖像像素點中的紅綠藍三個分量，表示R分量通道的衰減系數，表示G分量通道的衰減系數，表示B分量通道的衰減系數，其大小與其所對應的R，G，B分量和所有像素點值的總和成反比；對應公式如下：

其中n表示圖像中像素點的總數，R_i表示第i個像素點中R分量的值，G_i表示第i個像素點中G分量的值，B_i表示第i個像素點中B分量的值；

1.2a）定義一個X型的卷積核，對灰度圖像進行黑帽運算，得到圖像內部毛發區域；

其中dst表示黑帽圖像，blackhat（）表示黑帽操作，src表示原圖像，element表示圖像中的顆粒度；close（src，element）表示閉運算圖像；

1.3a）利用閾值分割得到毛發區域的大小；

1.4a）利用opencv的inpaint圖像修補函數對圖像修復。