[發明專利]一種基于細粒度的醫學x射線肺部圖像檢測方法

在審

• 申請號: 202110751986.6
• 申請日: 2021-07-02
• 公開（公告）號: CN113610757A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 羅小平;仇麗茹;文龍;應艷琴;潘初;朱永凱
• 申請（專利權）人: 華中科技大學同濟醫學院附屬同濟醫院;中國地質大學（武漢）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 萬文廣

1.一種基于細粒度的醫學x射線肺部圖像檢測方法，其特征在于：包括以下步驟：

構建檢測模型，所述檢測模型包括：特征提取模塊(101)、注意力引導數據增強模塊(102)、BAP特征融合模塊(103)；

利用檢測模型實現肺部圖像檢測，具體如下：

S1：獲取原始肺部圖像樣本數據，將原始肺部圖像樣本數據輸入至特征提取模塊(101)，得到圖像特征和注意力地圖；

S2：將所述注意力地圖輸入至注意力引導數據增強模塊(102)進行數據增強，得到增強數據；

S3：將所述增強數據和原始肺部圖像樣本數據輸入至所述特征提取模塊(101)中進行訓練，得到訓練后的注意力地圖和圖像特征；

S4：將訓練后的注意力地圖和圖像特征輸入至BAP特征融合模塊(103)進行融合，得到融合特征；

S5：將融合特征輸入分類層，得到最終的檢測結果。

2.如權利要求1所述的一種基于細粒度的醫學x射線肺部圖像檢測方法，其特征在于：步驟S1具體為：采用自動數據增強方法對原始肺部圖像樣本數據進行數據增強；采用預訓練好的Inception V3網絡作為特征提取網絡，提取圖像特征F和注意力地圖A。

3.如權利要求2所述的一種基于細粒度的醫學x射線肺部圖像檢測方法，其特征在于：圖像特征F∈R^H×W×N，其中H、W、N分別代表特征提取網絡特征層的高度、寬度與通道數；在圖像特征層增加1*1卷積運算，得到注意力地圖A∈R^H×W×M，具體如下式(1)：

其中，f(·)為卷積操作；M為注意力地圖數量，A_k∈R^H×W×M；k為注意力地圖編號。

4.如權利要求3所述的一種基于細粒度的醫學x射線肺部圖像檢測方法，其特征在于：步驟S2中，注意力引導數據增強模塊(102)包括：注意力裁剪操作和注意力下降操作。

5.如權利要求4所述的一種基于細粒度的醫學x射線肺部圖像檢測方法，其特征在于：在進行注意力裁剪操作和注意力下降操作前，將A_k歸一化，如式(2)所示：

其中A_k^*表示A_k歸一化后的結果。

6.如權利要求5所述的一種基于細粒度的醫學x射線肺部圖像檢測方法，其特征在于：所述注意力裁剪操作，具體為：

首先，預設閾值θ_c，使得A_k^*中大于θ_c的元素設置為1，其余設置為0，如式(3)所式：

其次，搜索一個框B，使其覆蓋C_k區域，并將B放大至輸入數據大小。

7.如權利要求5所述的一種基于細粒度的醫學x射線肺部圖像檢測方法，其特征在于：所述注意力下降操作，具體為：使得A_k^*中大于θ_c的元素設置為0，其余設置為1，如式(4)所式：

8.如權利要求1所述的一種基于細粒度的醫學x射線肺部圖像檢測方法，其特征在于：步驟S4具體為：BAP特征融合模塊(103)通過將注意力地圖與圖像特征進行元素級相乘后得到關鍵部位的數據特征，并采用全局最大池化，得到一組特征向量P，如公式(5)所示：

式(5)中，g()表示全局最大池化；f_k為局部特征向量。