[發明專利]一種基于改進MobileNet模型的蜂窩肺識別方法

在審

• 申請號: 202110252132.3
• 申請日: 2021-03-08
• 公開（公告）號: CN112861881A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 李鋼;張玲;李晶;張海軒;李宇;李鵬博;鄂林寧
• 申請（專利權）人: 太原理工大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 太原高欣科創專利代理事務所(普通合伙) 14109
• 代理人: 冷錦超;鄧東東

1.一種基于改進MobileNet模型的蜂窩肺識別方法，其特征在于，包括以下步驟：

a)收集得到不同年齡段有關正常人和病人的CT圖像，利用二者生成數據集，對數據集中的蜂窩肺CT影像進行數據標注和預處理；

b)將預處理的蜂窩肺CT影像數據集進行數據擴充，并按照預設比例劃分為訓練集和驗證集；

c)構建基于改進的MobileNet的網絡模型，通過訓練過程得到神經網絡模型的輸出；所述改進的MobileNet的網絡模型是通過運用不同擴張率的空洞卷積自動提取蜂窩肺CT影像中的特征信息，在不損失特征信息的基礎上擴大特征提取的感受野，并且將不同層次的特征信息送入特征提取模塊進行通道拼接，獲得特征融合向量，之后將通過卷積操作后獲得的多種特征信息通過通道拼接實現特征信息的融合，最后通過使用Sigmid線性激活函數使各通道的特征信息得以保留；

d)根據識別分類網絡模型的預測值與真實值之間的損失誤差更新所述網絡模型的參數，所述的損失誤差是通過使用交叉熵損失函數獲取，所述損失誤差的計算式為：

其中J(θ)為參數θ的偏導數；y⁽ⁱ⁾為第i個樣本x(i)的標簽；m為樣本數量；hθ(*)為樣本預測正確的概率；

e)采用參數更新后的MobileNet的網絡模型對驗證集進行測試，通過評價指標獲得所述網絡模型的整體性能；

f)將待預測的CT影像輸入參數更新后的MobileNet的網絡模型中獲得預測識別結果。

2.根據權利要求1所述的一種基于改進MobileNet模型的蜂窩肺識別方法，其特征在于，步驟b中，將預處理的蜂窩肺CT影像進行數據擴充后，再進行標準化處理。

3.根據權利要求1或2所述的一種基于改進MobileNet模型的蜂窩肺識別方法，其特征在于，所述數據擴充是對預處理后的數據采用反轉、平移、剪切、縮放中的一種或任意組合方式進行處理。

4.根據權利要求1所述的一種基于改進MobileNet模型的蜂窩肺識別方法，其特征在于，所述預處理是通過均值歸一化和圖像去噪方法用于圖像處理，同時對數據集進行手動分類用于區分正常圖像和病灶圖像。

5.根據權利要求1所述的一種基于改進MobileNet模型的蜂窩肺識別方法，其特征在于，對經過預處理和數據擴充的CT影像進行匯總，構建蜂窩肺CT影像數據集；同時使用交叉驗證法將數據集D劃分為k個大小相似的互斥子集，然后用(k-1)個子集的并集作為訓練集，余下的子集作為測試集。

6.根據權利要求1所述的一種基于改進MobileNet模型的蜂窩肺識別方法，其特征在于，所述步驟d中，根據損失誤差，使用Adam算法對網絡模型的參數進行更新。