[發明專利]一種基于人工智能的膀胱鏡圖像分類方法

在審

• 申請號: 202210657364.1
• 申請日: 2022-06-10
• 公開（公告）號: CN115035339A
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 肖俊;段曹輝;王亞楠;王志華
• 申請（專利權）人: 華中科技大學同濟醫學院附屬同濟醫院
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06V10/44;G06V10/42;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 武漢宇晨專利事務所(普通合伙) 42001
• 代理人: 李鵬

1.一種基于人工智能的膀胱鏡圖像分類方法，其特征在于，包括以下步驟：

步驟1、將收集的膀胱鏡圖像和對應的目標區域的圖像塊作為一對訓練樣本，各對訓練樣本構成訓練集；

步驟2、構建用于膀胱鏡圖像的目標區域分類的人工智能模型；

步驟3、根據訓練樣本訓練人工智能模型，獲得最優人工智能模型參數

步驟4、將待分類的膀胱鏡圖像和對應的膀胱鏡圖像中目標區域的圖像塊輸入到訓練得到的人工智能模型，獲得待分類的膀胱鏡圖像的目標區域的類型。

2.根據權利要求1所述一種基于人工智能的膀胱鏡圖像分類方法，其特征在于，所述人工智能模型包括全局特征提取模塊、局部特征提取模塊、特征融合模塊和Softmax分類層，

所述全局特征提取模塊用于提取膀胱鏡圖像的全局特征F_G；

所述局部特征提取模塊用于提取膀胱鏡圖像的目標區域的局部特征F_L；

所述特征融合模塊用于將全局特征F_G和局部特征F_L級聯獲得特征F_G,L，并使用通道-空間注意力模塊對特征F_G,L進行優化，獲得優化特征F_Att，并將優化特征F_Att平鋪展開為列向量輸入到Softmax分類層；

所述Softmax分類層用于根據輸入的列向量輸出，輸出膀胱鏡圖像的目標區域對應的各類型概率集合。

3.根據權利要求1所述一種基于人工智能的膀胱鏡圖像分類方法，其特征在于，所述通道-空間注意力模塊的處理步驟包括：

將特征F_G,L輸入一個3D卷積層產生通道-空間注意力圖A，

優化特征F_Att＝σ(A)⊙F_G,L+F_G,L，

其中，σ表示sigmoid激活函數，⊙逐元素乘積；

將優化特征F_Att平鋪展開為列向量，輸入Softmax分類層。

4.根據權利要求1所述一種基于人工智能的膀胱鏡圖像分類方法，其特征在于，所述步驟3包括以下步驟：

步驟3.1，定義膀胱鏡圖像的目標區域的分類的損失函數L(θ)：

其中，Y_i為膀胱鏡圖像X_i的目標區域對應的實際類型，N為訓練集中的膀胱鏡圖像的數量，為人工智能模型輸出的第i幅膀胱鏡圖像X_i的目標區域的各個類型的概率值最大的概率；

步驟3.2，利用反向傳播和梯度下降法訓練人工智能模型，尋找使損失函數L(θ)最小的最優人工智能模型參數