[發(fā)明專利]COVID-19胸部CT圖像識別方法、裝置及電子設(shè)備有效
| 申請?zhí)枺?/td> | 202110841119.1 | 申請日: | 2021-07-26 |
| 公開(公告)號: | CN113284149B | 公開(公告)日: | 2021-10-01 |
| 發(fā)明(設(shè)計)人: | 王威;許玉燕;王新;胡億洋;黃文迪 | 申請(專利權(quán))人: | 長沙理工大學(xué) |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06K9/62;G06N3/04;G16H50/20 |
| 代理公司: | 長沙國科天河知識產(chǎn)權(quán)代理有限公司 43225 | 代理人: | 邱軼 |
| 地址: | 410000 湖*** | 國省代碼: | 湖南;43 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | covid 19 胸部 ct 圖像 識別 方法 裝置 電子設(shè)備 | ||
本申請涉及一種COVID?19胸部CT圖像識別方法、裝置及電子設(shè)備。所述方法獲取COVID?19的胸部CT圖像,并針對胸部CT圖像的特點,構(gòu)建新冠肺炎CT識別網(wǎng)絡(luò),對該網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到COVID?19胸部CT圖像識別模型,并利用該模型對待測CT圖像進(jìn)行分類。采用空洞卷積、深度卷積以及點卷積算子,減少冗余參數(shù);采用并行結(jié)構(gòu)連接方式,實現(xiàn)多尺度特征融合、降低模型復(fù)雜度;采用下采樣方式,使用最大模糊池化以減少鋸齒效應(yīng),保持信號的平移不變性;采用通道混洗操作,減少參數(shù)量與計算量,提高分類準(zhǔn)確率,引入坐標(biāo)注意力機制,使空間坐標(biāo)信息與通道信息被關(guān)注,抑制不重要的信息,以解決資源匹配問題。
技術(shù)領(lǐng)域
本申請涉及圖像識別技術(shù)領(lǐng)域,特別是涉及一種COVID-19胸部CT圖像識別方法、裝置及電子設(shè)備。
背景技術(shù)
目前診斷新型冠狀病毒感染的肺炎(COVID-19)的主要醫(yī)學(xué)手段有胸部計算機斷層掃描(胸部CT)、胸部X射線圖像檢測、磁共振成像(MRI)等。COVID-19放射學(xué)檢查,首選容積 CT 掃描,掃描層厚 5 mm(16 層 CT 以上均可以達(dá)到),重建為 1.0~1.5 mm 薄層。基于薄層 CT 重建,在橫斷面、矢狀面和冠狀面觀察,有利于病灶早期檢出,評估病變性質(zhì)和范圍,發(fā)現(xiàn)直接數(shù)字化X射線攝影系統(tǒng)(DR)不易觀察的細(xì)微變化。但是對于放射科醫(yī)生來說,通過人工閱片來檢閱肺部CT圖像中的病灶信息是一項極具挑戰(zhàn)性的工作。該工作需要耗費醫(yī)生大量的時間,而且可能由于視覺疲勞等原因?qū)е抡`診、漏診的情況。因此,計算機輔助診斷(CAD)系統(tǒng)應(yīng)運而生,并且被廣泛應(yīng)用于醫(yī)學(xué)圖像處理領(lǐng)域,能夠解決醫(yī)學(xué)圖像領(lǐng)域中復(fù)雜的計算機視覺問題。
基于深度學(xué)習(xí)技術(shù)識別COVID-19胸部CT圖像的技術(shù)已經(jīng)有較多的研究,也取得的一定的研究成果。但是現(xiàn)有的識別方法網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、參數(shù)量較大、計算量較大,胸部CT圖像不重要的信息對分類結(jié)果產(chǎn)生負(fù)面影響。
發(fā)明內(nèi)容
基于此,有必要針對上述技術(shù)問題,提供一種COVID-19胸部CT圖像識別方法、裝置及電子設(shè)備。
一種COVID-19胸部CT圖像識別方法,所述方法包括:
獲取COVID-19的胸部CT圖像;并將所述胸部CT圖像作為訓(xùn)練樣本。
構(gòu)建新冠肺炎CT識別網(wǎng)絡(luò);所述新冠肺炎CT識別網(wǎng)絡(luò)包括輸入網(wǎng)絡(luò)、特征提取網(wǎng)絡(luò)以及分類網(wǎng)絡(luò);所述特征提取網(wǎng)絡(luò)包括PCS-D-CA模塊、PCS-D模塊、PCS-S-CA模塊、PCS-S模塊以及自適應(yīng)池化層;所述輸入網(wǎng)絡(luò)采用空洞卷積方式提取所述訓(xùn)練樣本的空洞卷積特征;所述特征提取網(wǎng)絡(luò)采用最大模糊池化、通道混洗操作并引入坐標(biāo)注意力機制對所述空洞卷積特征進(jìn)行特征提取,得到融合坐標(biāo)注意力的特征;所述分類網(wǎng)絡(luò)根據(jù)所述融合坐標(biāo)注意力的特征對胸部CT圖像進(jìn)行分類,得到COVID-19胸部CT圖像的類別。
根據(jù)所述訓(xùn)練樣本對所述新冠肺炎CT識別網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到COVID-19胸部CT圖像識別模型。
獲取COVID-19的待測胸部CT圖像,并將所述待測胸部CT圖像輸入到所述COVID-19胸部CT圖像識別模型,得到COVID-19胸部CT圖像的類別。
一種COVID-19胸部CT圖像識別裝置,所述裝置包括:
數(shù)據(jù)獲取模塊,用于獲取COVID-19的胸部CT圖像;并將所述胸部CT圖像作為訓(xùn)練樣本。
新冠肺炎CT識別網(wǎng)絡(luò)構(gòu)建模塊,用于構(gòu)建新冠肺炎CT識別網(wǎng)絡(luò);所述新冠肺炎CT識別網(wǎng)絡(luò)包括輸入網(wǎng)絡(luò)、特征提取網(wǎng)絡(luò)以及分類網(wǎng)絡(luò);所述特征提取網(wǎng)絡(luò)包括PCS-D-CA模塊、PCS-D模塊、PCS-S-CA模塊、PCS-S模塊以及自適應(yīng)池化層;所述輸入網(wǎng)絡(luò)采用空洞卷積方式提取所述訓(xùn)練樣本的空洞卷積特征;所述特征提取網(wǎng)絡(luò)采用最大模糊池化、通道混洗操作并引入坐標(biāo)注意力機制對所述空洞卷積特征進(jìn)行特征提取,得到融合坐標(biāo)注意力的特征;所述分類網(wǎng)絡(luò)根據(jù)所述融合坐標(biāo)注意力的特征對胸部CT圖像進(jìn)行分類,得到COVID-19胸部CT圖像的類別。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于長沙理工大學(xué),未經(jīng)長沙理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110841119.1/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





