申请/专利权人：江苏科技大学

申请日：2021-11-19

公开（公告）日：2024-06-21

公开（公告）号：CN114066871B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T7/136;G06T5/70;G06N3/0464;G06V10/764;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.03.08#实质审查的生效;2022.02.18#公开

摘要：本发明公开了一种新冠肺炎病灶区域分割模型训练的方法。通过一系列方法对原始数据集调整，分别实现去噪，灰度归一化和数据集的扩充。将调整增强后的数据集图像和对应的分割标签输入新冠肺炎分割训练网络，通过计算网络不同通道的权重函数，提高网络对特征通道的细分，减少图像冗余信息来实现网络分割。经过多次训练，得到训练好的新冠肺炎病灶区域分割模型。本发明提供的方法可以提高新冠肺炎病灶区域的分割效果。

主权项：1.一种新冠肺炎病灶区域分割模型训练的方法，其特征在于，该方法包含下列步骤：准备新冠肺炎患者的数据集，包括标注病灶区域的原始数据集和对应的病灶区域分割标签，将原始数据集标为1类，由于原始数据集病灶区域与非病灶区域边界模糊，噪声大，因此对原始数据集进行两步去噪处理，通过初去噪提高病灶区域的分辨率，深去噪丰富病灶区域边缘和纹理，将去噪后的数据集标为2类，对2类数据集中病灶区域进行灰度值归一化，这样有利于保留病灶区域的有效特征，减少冗余信息，将归一化后的数据集标为3类；之后对1，2，3类数据集进行数据扩充，提高数据量，为后续网络训练提高充足的样本的同时丰富样本类型提高训练模型鲁棒性，具体使用生成对抗网络实现数据扩充，该网络包含一个生成器网络，一个判别器网络，该网络生成新的数据并在边缘纹理上有更好的表现效果，将生成的数据标为4类，之后完整的数据集包含1，2，3，4类不同类型的数据集，将数据以及对应的分割标签输入到训练分割模型，分割模型通过卷积操作来特征提取，反卷积操作完成图像还原，通过跳跃连接通道堆叠特征图像实现病灶区域的精确分割，提出在特征提取之后加入注意力机制模块，该模块通过计算特征图像通道之间的依赖性，利用式子f1＝Rw1*X+b1计算当前通道最大池化后的特征，其中X为经过最大池化以后的特征，R为Relu激活函数，b1为特征的偏置项,w1为特征权重系数，f1为当前通道池化后的特征，之后使用式子k＝h2w2*f1+b2获取通道的权值来进一步提高对重点区域的关注，其中k为通道权重，h2为Sigmoid激活函数，w2为特征权重系数，b2为特征的偏置项，最后通过式子f3[c]＝k[c]*f2[c]得到通道输出的特征图像，其中c表示第c个通道的输出特征，f3为输出的特征图像，通过迭代更新训练模型的损失函数，完成整个模型的训练；损失函数如下： 其中N为样本数，yi表示样本i的标签，pi为样本i为正类的概率，正类为1，负类为0；损失函数最低时，模型训练效果最好，模型训练完成，此时使用通道的权值替换网络初始权重，将数据输入得到对应的新冠病灶区域分割数据。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种新冠肺炎病灶区域分割模型训练的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD