[發明專利]一種基于ARM的深度學習輕量化肺結節分類方法

有效

• 申請號: 202110068409.7
• 申請日: 2021-01-19
• 公開（公告）號: CN112819043B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 湯懷智;任濤;王蓮蓮;張皓東
• 申請（專利權）人: 東北大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李在川

本發明公開一種基于ARM的深度學習輕量化肺結節分類方法，該方法對獲取的訓練圖像進行處理，并輸入到全精度神經網絡中進行訓練。訓練完成后使用Ternary Quantization算法對32?bit的全精度權重進行三值化壓縮，得到一個三值化精度神經網絡。之后使用知識蒸餾，將全精度網絡作為教師網絡，三值化精度網絡作為學生網絡，對三值化精度中的W^p和Wⁿ兩個參數因子進行微調，微調完成后保存模型。最后將訓練好的模型權重用于嵌入式設備中的肺結節分類程序中，實現肺結節的分類。本方法訓練的模型和實現的分類程序可以準確的對肺結節進行分類，并且避免嵌入式設備性能不足和權重精度壓縮后準確率下降的問題。

技術領域

本發明涉及肺結節圖像分類技術領域，尤其涉及一種基于ARM的深度學習輕量化肺結節分類方法。

背景技術

肺癌是發病率和死亡率增長最快，對人群健康和生命威脅最大的惡性腫瘤之一，近50年來許多國家都報道肺癌的發病率和死亡率均明顯增高。肺癌的病因至今尚不完全明確，因此早起診斷是肺癌預防與治療的有效手段。通常情況下，肺癌的早期診斷依賴于準確檢測出肺部CT影像中的肺結節并對其進行分類。肺結節是一種直徑約3毫米的結構，分為良性或惡性。傳統的方法通常由醫生、醫學專家按切片來分析肺結節圖像，結節圖像通常會拆分成很多切片，而且早期的結節圖像特征不夠明顯，因此這種方法不僅費時費力，而且經常準確性比較低。

發明內容

針對上述現有技術的不足，本發明提供一種基于ARM的深度學習輕量化肺結節分類方法。

為解決上述技術問題，本發明所采取的技術方案是：一種基于ARM的深度學習輕量化肺結節分類方法，包括如下步驟：

步驟1：對LIDC帶標簽的圖像數據集進行預處理，過程如下：

步驟1.1：將圖像數據集中的結節體積限制在長寬高相同的圖像大小中；

步驟1.2：以結節的質心為中心，采用雙三次插值進行采樣，從不同視角生成對個橫截面；

步驟1.3：將每個橫截面的大小調整為相同尺寸的三通道圖像作為MobileNet V2網絡的輸入。

步驟2：將預處理后的圖像數據集輸入到MobileNet V2網絡模型中進行全精度的訓練，得到訓練好的全精度神經網絡；

步驟3：將訓練好的全精度神經網絡的權重采用Ternary Quantization算法進行三值化壓縮，得到三值化神經網絡；

所述將訓練好的全精度神經網絡的權重采用Ternary Quantization算法進行三值化壓縮的過程如圖2所示，包括如下步驟：

步驟3.1：將32-bit的權重歸一化處理；

步驟3.2：設置閾值，如下：

其中，為全精度的權重的絕對值，設置參數t，通過上式計算得到神經網絡中的第l層的閾值Δ_l；

步驟3.3：通過設置的閾值將全精度權重精簡為三值權重，如下：

其中，為第l層神經網絡的三值化權重值，W_l^p和W_lⁿ為第l層神經網絡的權重參數，在后面的微調過程中進行調整。

步驟4：將全精度神經網絡作為教師網絡，三值化神經網絡作為學生網絡，采用知識蒸餾算法再次訓練，對三值化權重中的權重參數進行微調；

所述對三值化權重中的權重參數進行微調的梯度設置為：