[發明專利]基于雙線性池化應用于CT影像的顱內出血亞類型分類算法

有效

• 申請號: 202110336566.1
• 申請日: 2021-03-29
• 公開（公告）號: CN113011514B
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 劉萍萍;石立達;寧港軍;周求湛
• 申請（專利權）人: 吉林大學
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06K9/62;G06N3/04;G06V10/764;G06V10/774;G06V10/80;G06V10/82
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 李智慧

本發明公開了一種基于雙線性池化應用于CT影像的顱內出血亞類型分類算法，所述算法創新性地以細粒度分類的角度去解決顱內出血亞類型分類這個問題，在CNN部分使用了緊湊雙線性池化的網絡架構，提高了神經網絡的特征表達能力，提升了分類性能。雙線性池化已經被證明是解決細粒度分類問題的有效方法。它通過對高階統計信息進行建模，將來自兩個不同源的CNN或者同源的CNN的特征看作是兩種不同的特征。并對兩個特征進行外積計算，然后通過池化操作進行特征融合以捕獲不同特征之間的關系，進而得到更強的全局特征表示。該方法用圖像平移不變的方法，對局部的成對特征進行交互式建模。

技術領域

本發明屬于智能醫學影像處理領域，涉及一種基于雙線性池化的應用于顱內出血亞類型分類算法。

背景技術

顱內出血(Intracranial Hemorrhage,ICH)是一種發生在腦室內或腦組織中的出血性疾病。顱內出血包含：腦室內出血(IVH)、腦實質性出血(IPH)、蛛網膜下腔出血(SAH)、硬膜外出血(EDH)和硬膜下血腫(SDH)。顱內出血亞類型分類的研究是判斷CT圖像中是否存在顱內出血和對其5種亞類型(IPH、IVH、EDH、SDH、SAH)進行分類。診斷顱內出血是醫學領域的一個重要挑戰。確定顱內出血的部位和類型是治療病人的關鍵。目前的診斷顱內出血的方法是對大腦進行CT掃描。由于腦組織、血液、肌肉和骨骼等對X射線吸收特性不同，CT掃描會產生高對比度圖像，然后供醫生查看。傳統的分類方法由放射科醫生負責目視檢查和定量評估。這個過程不僅非常耗時而且需要有長期工作經驗、訓練有素的放射科醫生才能判別準確。

隨著信息技術和人工智能的不斷發展，計算機輔助診斷(Computer AidedDiagnosis,CAD)逐漸受到醫學專家和研究者們的關注。通過為計算機設計識別算法，CAD以自動或半自動地對醫學影像進行計算機分析得到輔助診斷報告。隨后影像科醫師根據輔助診斷的報告進行下一步分析與核驗。

發明內容

為了解決目前顱內出血亞類型分類耗時且對醫生的專業性依賴較大的問題，本發明提供了一種基于雙線性池化應用于CT影像的顱內出血亞類型分類算法。本發明提出了一個新的CNN-RNN網絡架構用于進行ICH的亞類型分類，在CNN模塊中，從顱內CT圖像的特性入手，以細粒度視角看待這個問題，解決了ResNet和DenseNet等網絡在顱內CT圖像上的缺陷。因此，本發明的方法將緊湊雙線性池化的方法引入到本發明中，并針對數據分布不均衡和標簽之間的依賴關系被忽視等問題，提出了MWF損失和SRE損失，將這三部分與CNNs融合成一個新的ICH亞類型多標簽細粒度網絡架構。通過CNN模塊得到圖像特征之后，進入RNN模塊。與其他先進方法對比，本發明的方法達到了更優的性能，對臨床有著極其重要的價值，具有廣闊的應用場景。

本發明的目的是通過以下技術方案實現的：

一種基于雙線性池化應用于CT影像的顱內出血亞類型分類算法，包括如下步驟：

步驟一、從dicom格式的醫學CT影像得到CT圖像值；

步驟二、Windowing操作

對步驟一得到的CT圖像值進行windowing操作，使用的窗口如下：Brain window：[40，80]，Subdural window：[80，200]，Bone window：[40，380]，其中，方括號內第一位數字表示窗位，第二位數字表示窗寬；

步驟三、轉化成jpg圖像

Windowing操作完之后進行歸一化使得圖像的像素值在[0，1]之間，將圖片的像素值與255相乘得到[0，255]之間的值，隨后使用opencv的imwrite()函數生成.jpg圖像；

步驟四、訓練CNN網絡使用