[發(fā)明專利]一種基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202211036544.4
• 申請日: 2022-08-29
• 公開（公告）號: CN115115628B
• 公開（公告）日: 2022-11-22
• 發(fā)明（設計）人: 宋林;杜怡峰;劉治;陶可猛;魏艷軍;王佳豐
• 申請（專利權(quán)）人: 山東第一醫(yī)科大學附屬省立醫(yī)院（山東省立醫(yī)院）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/26;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 閆偉姣

1.一種基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)，其特征在于，包括：

圖像獲取模塊，用于獲取腦磁共振T1成像模式的圖像；

腔隙性腦梗死識別模塊，用于基于預先訓練的腔隙性腦梗死識別模型，對所述圖像進行腔隙性腦梗死識別；其中，所述腔隙性腦梗死識別模型基于三維精細化殘差網(wǎng)絡訓練得到，所述三維精細化殘差網(wǎng)絡包括依次連接的多個卷積層、全局平均池化層、多個殘差模塊和全連接網(wǎng)絡；

所述三維精細化殘差網(wǎng)絡包括四個依次連接的殘差模塊和三個依次連接的通道注意力模塊，第一殘差模塊和第二殘差模塊的另一個輸出端均連接至第一通道注意力模塊，第三殘差模塊的另一個輸出端均連接至第二通道注意力模塊，第三通道注意力模塊的輸出端連接至第四殘差模塊。

2.如權(quán)利要求1所述的基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)，其特征在于，所述殘差模塊的輸入分為兩路，一路連接n個卷積層，另一路連接n-1個卷積層，且兩路的輸出相融合作為所述殘差模塊的輸出，其中，n大于1。

3.如權(quán)利要求2所述的基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)，其特征在于，每個所述卷積層后均連接批歸一化和Relu激活函數(shù)。

4.如權(quán)利要求1所述的基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)，其特征在于，所述通道注意力模塊包括依次連接的拼接層、全局池化層、第一卷積層、Relu函數(shù)、第二卷積層和sigmoid激活函數(shù)，且所述sigmoid激活函數(shù)的輸出與拼接層的輸出融合作為所述通道注意力模塊的輸出。

5.如權(quán)利要求1所述的基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)，其特征在于，所述全連接網(wǎng)絡為三層全連接網(wǎng)絡，第一層包括200個神經(jīng)元，第二層包括100個神經(jīng)元，第三層包括2個神經(jīng)元。

6.如權(quán)利要求5所述的基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)，其特征在于，所述全連接網(wǎng)絡連接Tversky損失函數(shù)。

7.如權(quán)利要求1所述的基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)，其特征在于，所述腔隙性腦梗死識別模型的訓練方法包括：

獲取多組帶標簽的腦磁共振T1加權(quán)圖像，分別將T1加權(quán)圖像和標簽轉(zhuǎn)換為矩陣數(shù)據(jù)，形成多組訓練數(shù)據(jù)；

根據(jù)所述多組訓練數(shù)據(jù)，基于三維精細化殘差網(wǎng)絡訓練得到腔隙性腦梗死識別模型。

8.如權(quán)利要求7所述的基于三維精細化殘差網(wǎng)絡的腔隙性腦梗死識別系統(tǒng)，其特征在于，將每組T1加權(quán)圖像和標簽轉(zhuǎn)換為矩陣數(shù)據(jù)后，還結(jié)合標簽相應的矩陣數(shù)據(jù)，確定該組T1加權(quán)圖像中腔隙區(qū)域開始和結(jié)束的切片，分別向外擴展多個切片圖像，得到一組訓練數(shù)據(jù)。