[發明專利]一種空頻域特征融合的醫學影像特征識別方法及裝置

有效

• 申請號: 202210166385.3
• 申請日: 2022-02-24
• 公開（公告）號: CN114240935B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 李傳富;劉德銀;黃莉莉;趙海峰;湯進
• 申請（專利權）人: 合肥綜合性國家科學中心人工智能研究院（安徽省人工智能實驗室）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/50;G06N3/04;G06V10/774;G06V10/82;G06T7/60;G16H50/20
• 代理公司: 上海漢之律師事務所 31378
• 代理人: 馮華

1.一種空頻域特征融合的醫學影像特征識別方法，其特征在于，包括：

獲取待診醫學影像；

對所述待診醫學影像進行空域上的圖像預處理，獲得空域標準醫學影像；

對所述待診醫學影像進行頻域上的圖像預處理，獲得頻域標準醫學影像；

將所述空域標準醫學影像和所述頻域標準醫學影像進行融合，獲得標準醫學影像特征；

將所述標準醫學影像特征輸入經過訓練的卷積神經網絡模型，獲得對應的待診醫學影像的預測值，若預測值大于設定的診斷閾值，則判定診斷結果為正例，否則判定診斷結果為負例；

所述對所述待診醫學影像進行頻域上的圖像預處理，獲得頻域標準醫學影像，包括：

對所述待診醫學影像進行調整，獲得尺寸為第一預設尺寸整數倍的待診醫學影像；

對所述尺寸為第一預設尺寸整數倍的待診醫學影像進行離散余弦變換，獲得第一預設尺寸頻域醫學影像；

對所述第一預設尺寸頻域醫學影像中的每個像素點進行歸一化處理，獲得歸一化頻域醫學影像；

根據所述歸一化頻域醫學影像中每個通道內所有像素值的平均值和最大值，計算所述歸一化頻域醫學影像中每個通道的權重；

根據所述歸一化頻域醫學影像中每個像素點位置上所有通道的像素值的平均值和最大值，計算所述歸一化頻域醫學影像中每個不同像素點位置的權重；

將所述歸一化頻域醫學影像中的每個像素值與該像素值對應通道的權重以及該像素值對應像素點位置的權重進行點乘，獲得所述頻域標準醫學影像。

2.根據權利要求1所述的空頻域特征融合的醫學影像特征識別方法，其特征在于，所述對所述待診醫學影像進行空域上的圖像預處理，獲得空域標準醫學影像，包括：

對所述待診醫學影像進行調整，獲得第一預設尺寸待診醫學影像；

對所述第一預設尺寸待診醫學影像中的每個像素點的像素值進行歸一化處理，獲得空域標準醫學影像。

3.根據權利要求1所述的空頻域特征融合的醫學影像特征識別方法，其特征在于，所述將所述空域標準醫學影像和所述頻域標準醫學影像進行融合，獲得標準醫學影像特征，包括：

用預設數量的卷積核對所述空域標準醫學影像中的特征進行提取，獲得具有預設通道數的空域醫學影像特征；

用預設數量的卷積核對所述頻域標準醫學影像中的特征進行提取，獲得具有預設通道數的頻域醫學影像特征；

將所述空域醫學影像特征與所述頻域醫學影像特征拼接，獲得所述標準醫學影像特征。

4.根據權利要求1所述的空頻域特征融合的醫學影像特征識別方法，其特征在于，所述卷積神經網絡模型采用如下方法進行訓練：

獲取若干張醫學影像樣本以及與之一一對應的診斷標簽；

對各張醫學影像樣本進行空域上的圖像預處理，獲得尺寸一致的空域標準醫學影像樣本；

對各張醫學影像樣本進行頻域上的圖像預處理，獲得尺寸一致的頻域標準醫學影像樣本；

將所述空域標準醫學影像樣本和所述頻域標準醫學影像樣本進行融合，獲得標準醫學影像特征樣本；

利用所述標準醫學影像特征樣本和所述診斷標簽對所述卷積神經網絡模型進行訓練，直至訓練的平均損失值小于預設的閾值。

5.根據權利要求4所述的空頻域特征融合的醫學影像特征識別方法，其特征在于，所述對各張醫學影像樣本進行空域上的圖像預處理，獲得尺寸一致的空域標準醫學影像樣本，包括：

對所述醫學影像樣本進行調整，獲得第一預設尺寸醫學影像樣本；

對所述第一預設尺寸醫學影像樣本中的每個像素點的像素值進行歸一化處理，獲得空域標準醫學影像樣本。

6.根據權利要求5所述的空頻域特征融合的醫學影像特征識別方法，其特征在于，所述對所述醫學影像樣本進行調整，獲得第一預設尺寸醫學影像樣本，包括：

對所述醫學影像樣本進行升采樣或降采樣，獲得尺寸大于或等于第一預設尺寸的第一醫學影像樣本；

對所述第一醫學影像樣本進行剪裁和/或水平翻轉和/或旋轉，獲得第一預設尺寸醫學影像樣本。