[發(fā)明專利]針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110314494.0
• 申請(qǐng)日: 2021-03-24
• 公開（公告）號(hào): CN113033758A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 張霖;杜銘鈺;楊源
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06N3/02
• 分類號(hào): G06N3/02;G06K9/62
• 代理公司: 北京睿智保誠專利代理事務(wù)所(普通合伙) 11732
• 代理人: 王燦;周新楣

1.一種針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)方法，其特征在于，包括以下步驟：

將樣本數(shù)據(jù)集輸入到待評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)模型中，所述神經(jīng)網(wǎng)絡(luò)模型經(jīng)過計(jì)算輸出y′；

根據(jù)模型輸出的分類結(jié)果y′和樣本真實(shí)的標(biāo)簽y構(gòu)建混淆矩陣，統(tǒng)計(jì)得到TP，TN，F(xiàn)P和FN，并由此計(jì)算accuracy、precision，recall和AUC；

將accuracy、precision，recall和AUC進(jìn)行加權(quán)求和得到神經(jīng)網(wǎng)絡(luò)指標(biāo)和sum，同時(shí)對(duì)accuracy、precision，recall和AUC計(jì)算標(biāo)準(zhǔn)差std；根據(jù)所述神經(jīng)網(wǎng)絡(luò)指標(biāo)和sum、所述標(biāo)準(zhǔn)差std得到評(píng)價(jià)指標(biāo)L；

根據(jù)所述待評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)計(jì)算神經(jīng)網(wǎng)絡(luò)模型參數(shù)量m；

根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型參數(shù)量m和所述評(píng)價(jià)指標(biāo)L得到(m-L)坐標(biāo)系，通過所述(m-L)坐標(biāo)系評(píng)價(jià)不同模型的優(yōu)劣。

2.根據(jù)權(quán)利要求1所述的一種針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)方法，其特征在于，所述加權(quán)求和計(jì)算如下：

sum＝β₁×accuracy+β₂×precision+β₃×recall+β₄×AUC；

其中，權(quán)重β_i根據(jù)實(shí)際任務(wù)進(jìn)行設(shè)定。

3.根據(jù)權(quán)利要求1所述的一種針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)方法，其特征在于，所述標(biāo)準(zhǔn)差std的計(jì)算如下：

計(jì)算各個(gè)指標(biāo)的均值：

根據(jù)均值計(jì)算標(biāo)準(zhǔn)差：

4.根據(jù)權(quán)利要求3所述的一種針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)方法，其特征在于，所述評(píng)價(jià)指標(biāo)L的計(jì)算如下：

其中k為常數(shù)值。

5.根據(jù)權(quán)利要求1所述的一種針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型參數(shù)量m的計(jì)算如下：

確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，讀取每層類型及參數(shù)，計(jì)算每層參數(shù)量m_i，最后計(jì)算神經(jīng)網(wǎng)絡(luò)模型參數(shù)量m。

6.一種針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)系統(tǒng)，其特征在于，包括以下模塊：

樣本數(shù)據(jù)計(jì)算模塊：將樣本數(shù)據(jù)集輸入到待評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)模型中，所述神經(jīng)網(wǎng)絡(luò)模型經(jīng)過計(jì)算輸出y′；

神經(jīng)網(wǎng)絡(luò)指標(biāo)計(jì)算模塊：根據(jù)模型輸出的分類結(jié)果y′和樣本真實(shí)的標(biāo)簽y構(gòu)建混淆矩陣，統(tǒng)計(jì)得到TP，TN，F(xiàn)P和FN，并由此計(jì)算accuracy、precision，recall和AUC；

評(píng)價(jià)指標(biāo)L計(jì)算模塊：將accuracy、precision，recall和AUC進(jìn)行加權(quán)求和得到神經(jīng)網(wǎng)絡(luò)指標(biāo)和sum，同時(shí)對(duì)accuracy、precision，recall和AUC計(jì)算標(biāo)準(zhǔn)差std；根據(jù)所述神經(jīng)網(wǎng)絡(luò)指標(biāo)和sum、所述標(biāo)準(zhǔn)差std得到評(píng)價(jià)指標(biāo)L；

神經(jīng)網(wǎng)絡(luò)模型參量m計(jì)算模塊：根據(jù)所述待評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)計(jì)算神經(jīng)網(wǎng)絡(luò)模型參數(shù)量m；

(m-L)坐標(biāo)系建立模塊：根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型參數(shù)量m和所述評(píng)價(jià)指標(biāo)L得到(m-L)坐標(biāo)系，通過所述(m-L)坐標(biāo)系評(píng)價(jià)不同模型的優(yōu)劣。

7.根據(jù)權(quán)利要求6所述的一種針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)系統(tǒng)，其特征在于，所述評(píng)價(jià)指標(biāo)L計(jì)算模塊中所述神經(jīng)網(wǎng)絡(luò)指標(biāo)和sum的加權(quán)求和計(jì)算如下：

sum＝β₁×accuracy+β₂×precision+β₃×recall+β₄×AUC；

其中，權(quán)重β_i根據(jù)實(shí)際任務(wù)進(jìn)行設(shè)定。

8.根據(jù)權(quán)利要求6所述的一種針對(duì)CT圖像分類的神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)系統(tǒng)，其特征在于，所述評(píng)價(jià)指標(biāo)L計(jì)算模塊中所述標(biāo)準(zhǔn)差std的計(jì)算如下：

計(jì)算各個(gè)指標(biāo)的均值：

根據(jù)均值計(jì)算標(biāo)準(zhǔn)差：