[發明專利]基于半監督深度學習的新冠肺炎CT圖像分析方法

在審

• 申請號: 202210151409.8
• 申請日: 2022-02-18
• 公開（公告）號: CN114549452A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 張永;蘇立;朱文鵬;程騁;劉振興
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海政濟知識產權代理事務所(普通合伙) 31479
• 代理人: 輦甲武

本發明提供基于半監督深度學習的新冠肺炎CT圖像分析方法，包括步驟：基于殘差神經網絡建立分類模型并加入注意力模塊；對每張無標簽訓練樣本進行兩次不同的數據增強得到兩張新的圖像；對這兩張圖像進行分類并進行最小化熵處理，處理后結果看作圖像的偽標簽；將得到偽標簽的數據增強后的無標簽訓練樣本和數據增強后的有標簽訓練樣本進行Mixup，得到新的訓練樣本；將新的訓練樣本和對應的標簽代入分類模型中進行訓練并逐漸去除有標簽訓練樣本；對分類模型中的全連通層和特征圖的權重進行加權求和，生成關注圖；用訓練好的分類模型對測試集中的樣本圖像進行診斷，并對診斷結果生成可視化圖。這在實際的醫學應用中具有實用的價值。

技術領域

本發明涉及一種新冠肺炎CT圖像分析方法，特別涉及一種基于半監督深度學習的新冠肺炎CT圖像分析方法。

背景技術

預防和對抗新冠肺炎的最關鍵的一個步驟就是對疑似感染的病人進行有效的篩查。在疫情的早期階段，通常使用逆轉錄聚合酶鏈反應(RT-PCR)來判斷患者是否患上新冠肺炎。然而由于疫情的迅速爆發，許多國家缺乏足夠的試劑盒對疑似患者進行檢測。而且RT-PCR檢測需要數天才能得出結果，過長的檢測時間會導致疫情控制和治療的延誤。此外RT-PCR檢測靈敏性較低，一次檢測可能無法做出準確判斷，因此需要多次測試才能做出最終的判斷。在臨床實踐中，研究人員發現COVID-19患者的胸部計算機斷層掃描(CT)圖像中都出現了諸如毛玻璃陰影，多灶斑片狀實變等影像學特征。而且與RT-PCR檢測相比，醫生可以更快地得到胸部CT掃描和相應的診斷結果。而且CT 掃描的設備在現代醫療保健系統十分普及，因此CT已經成為了早期篩查和診斷新冠肺炎的另一個有效辦法。

近年來，隨著深度學習在計算機視覺方面取得了突破性的進展，在圖像分類，圖像定位與檢測，以及醫療圖像分割等領域得到了大量的應用，極大減緩了海量的醫療圖像數據給醫生帶來的負擔。目前常用的醫療圖像診斷方法大多是基于監督學習的，需要大量的有標記數據。但在很多實際工作中，可能只有很少的有標記樣本可供使用，因為對數據進行標記的代價很高。新冠肺炎的CT采集和標記需要專業醫生大量的時間和精力，這在疫情期間更加嚴重。訓練深度學習模型需要大量的有標記數據來達到臨床標準的表現。數據量不足會導致模型的過擬合，導致模型的性能不佳。其次，由于醫療圖像數據涉及到病人的隱私問題，很多CT圖像數據集并沒有公開。用這些非公開的數據集訓練的模型無法用于其他醫院。

發明內容

本發明的目的在于提供一種基于半監督學習與注意力機制的新冠肺炎CT圖像分析方法。

本發明采用了如下技術方案：

一種基于半監督深度學習的新冠肺炎CT圖像分析方法，其特征在于，包括以下步驟：

(1)建立圖像和類別標簽的關系，即分類模型，分類模型基于深度學習中的殘差神經網絡，并加入注意力模塊；

(2)對每一張無標簽訓練樣本進行兩次不同的數據增強得到兩張新的圖像；

(3)通過步驟(1)訓練的分類模型對數據增強后得到的圖像進行分類，得到其分類結果；

(4)對無標簽樣本增強后的圖像的分類結果進行最小化熵處理，將處理后的結果看作其偽標簽；

(5)對每一張有標簽訓練樣本進行一次數據增強得到其增強后的圖像；

(6)將得到偽標簽的數據增強后的無標簽訓練樣本和數據增強后的有標簽訓練樣本進行Mixup，得到新的訓練樣本；

(7)將新的訓練樣本和對應的標簽代入分類模型中進行訓練，更新網絡參數信息；

(8)在訓練過程中，隨著未標簽訓練樣本的增加，逐漸去除有標簽訓練樣本，逐步的釋放有監督數據的訓練信號；

(9)對分類模型中的全連通層和特征圖的權重進行加權求和，生成關注圖，突出與預測結果密切相關的重要區域；