[發明專利]一種輕量級CNN結合遷移學習的醫學圖像分類方法

在審

• 申請號: 202110691248.7
• 申請日: 2021-06-22
• 公開（公告）號: CN113361623A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 張小瑞;周杰;孫偉;劉青山;宋愛國
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 姜慧勤

本發明公開了一種輕量級CNN結合遷移學習的醫學圖像分類方法，包括：(1)獲取醫學圖像數據集，并對其預處理，包括調整大小，使用高斯模糊和直方圖均衡化進行增強處理，之后將預處理后的醫學圖像數據集按照一定比例劃分得到訓練集、驗證集以及測試集；(2)構建預訓練好的MobileNetV2網絡并進行微調，對MobileNetV2網絡的損失函數使用L2正則化進行處理，通過貝葉斯優化方法調整MobileNetV2網絡中的超參數，之后利用訓練集對MobileNetV2網絡進行訓練，利用驗證集對MobileNetV2網絡進行驗證，得到重新訓練好的MobileNetV2網絡；(3)將測試集輸入重新訓練好的MobileNetV2網絡，得到分類結果。本發明所述方法提高了分類精度，縮短了MobileNetV2網絡的訓練時間，并且對于硬件設備的要求不高，適合資源匱乏的地區使用。

技術領域

本發明屬于圖像處理技術領域，具體涉及一種輕量級CNN結合遷移學習的醫學圖像分類方法。

背景技術

新冠是一種傳染性極強的病毒，同時新冠的診斷是治療新冠最大的攔路虎。為此，大量的研究人員都在研究能夠快速準確診斷新冠的方法。目前，診斷新冠的標準是逆轉錄聚合鏈式反應，但是這一方式耗時長、假陽性率高，而且在進行檢測的過程中存在醫患交叉感染的風險。因此，通過胸部醫學影像來診斷新冠就成了一大研究熱點，醫生們可以通過觀察病人的胸部影像來判斷病人是否患有新冠肺炎或者其他疾病，但是，由于新冠患者數量的龐大和醫療資源的匱乏，醫護人員每天的工作量巨大，難免會導致診斷出現失誤；因此，人為檢測胸部影像的效率并不高。開發一種能夠自動診斷新冠肺炎的方法勢在必行。

當下能夠自動檢測新冠的方法是基于深度學習的方法，具體實現是通過大量胸部影像數據訓練神經網絡使其具有區分正常胸部影像和新冠肺炎胸部影像的能力，以此達到診斷新冠的目的。而且這些方法不僅能夠檢測新冠肺炎，還可以檢測出其它的肺部疾病。雖然使用神經網絡診斷新冠肺炎的效率很高，但是訓練網絡并且使用訓練好的網絡進行分類較為耗時而且必須配有昂貴的硬件設備進行加速訓練，而這些條件往往是很多地區和醫院所不具備的。

發明內容

發明目的：針對現有新冠圖像分類技術的缺點，本發明提出一種輕量級CNN結合遷移學習的醫學圖像分類方法。

技術方案：為實現本發明的目的，本發明所采用的技術方案是：一種輕量級CNN結合遷移學習的醫學圖像分類方法，具體包括如下步驟：

(1)獲取醫學圖像數據集，并對其預處理，包括調整大小，使用高斯模糊和直方圖均衡化進行增強處理，之后將預處理后的醫學圖像數據集按照一定比例劃分得到訓練集、驗證集以及測試集；

(2)構建預訓練好的MobileNetV2網絡并進行微調，對MobileNetV2網絡的損失函數使用L2正則化進行處理，通過貝葉斯優化方法調整MobileNetV2網絡中的超參數，之后利用訓練集對MobileNetV2網絡進行訓練，利用驗證集對MobileNetV2網絡進行驗證，得到重新訓練好的MobileNetV2網絡；

(3)將測試集輸入重新訓練好的MobileNetV2網絡，得到分類結果。

進一步地，步驟(1)中對醫學圖像數據集預處理，包括調整大小，使用高斯模糊和直方圖均衡化進行增強處理，方法如下：

(1.1)將醫學圖像數據集中的每一幅圖像調整尺寸大小至224像素*224像素；

(1.2)利用高斯濾波器對調整尺寸后的圖像進行高斯模糊處理，方法如下：

(1.21)設置滑動窗口模板，所述窗口模板是一個長寬都為M像素的正方形窗口，設置窗口模板的中心點為坐標原點，進而得到窗口模板中剩余點的坐標；

(1.22)利用二維高斯函數計算窗口模板中每一個點各自對應的二維高斯函數值；其中，二維高斯函數值G(x,y)為：