欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021114849589
申请人: 河海大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种胸部X光图像病变异常检测方法,其特征在于:该方法基于异常检测模型实现,所述异常检测模型包括依次连接的特征提取模块、上下文信息提取模块、位置编码器和transformer网络模型,所述方法包括以下步骤:将待测图像输入特征提取模块,获得第一特征图;

将所述第一特征图输入上下文信息提取模块,获得富含上下文信息的第二特征图;

将所述第二特征图展开成一维序列,将所述一维序列映射成设定维度的嵌入序列,利用位置编码器在所述嵌入序列中增加位置编码信息;

将增加了位置编码的序列输入transformer网络模型中,输出病变的目标框和病变类型;

所述异常检测模型通过以下方法训练得到:

获取X光图像胸部病变数据集,所述数据集划分为多个病变类别子数据集,每个子数据集包含同一病变类别下的多个样本图像,每个样本图像包含病变的坐标,并标注有病变类别;

将每个子数据集的每个样本图像输入所述异常检测模型,输出预测结果;

将预测结果和真实值采用匈牙利算法作最佳匹配,得到损失函数,根据损失函数反向传播,进行梯度下降,训练得到所述异常检测模型;

所述损失函数为:

其中,损失函数包括分类损失函数和定位回归损失函数,分类损失函数采用交叉熵损失:定位回归损失函数包括IoU损失和回归损失,表示为:其中,L

L

其中,A和B表示参与计算的矩形,C表示最小的同时包含包括A和B的矩形框,|·|表示矩形框的面积。

2.根据权利要求1所述的方法,其特征在于,所述特征提取模块采用ResNet网络。

3.根据权利要求1所述的方法,其特征在于,所述将所述第一特征图输入上下文信息提取模块,获得富含上下文信息的第二特征图,包括:将第一特征图输入上下文信息提取模块,上下文信息提取模块输出的结果与输入前的特征图相加,得到新特征图;

对新特征图进行池化下采样后将其作为上下文信息提取模块的输入;

多次重复上述步骤,直到上下文信息提取模块输出的特征图融合了多层的信息。

4.根据权利要求1所述的方法,其特征在于,所述上下文信息提取模块包括依次连接的2个标准卷积层、多个含有跳跃连接的瓶颈结构,以及1个标准卷积层,每个所述瓶颈结构包含依次连接的1个标准卷积层、1个扩充卷积层和1个标准卷积层。

5.根据权利要求1所述的方法,其特征在于,所述上下文信息提取模块中3个标准卷积层的卷积核大小分别为1x1,3x3和3x 3,通道数分别为128、128和512;每个瓶颈结构中的2个标准卷积层的卷积核大小分别为1x1、1x1,通道数分别为128、128,扩充卷积层的卷积核大小为3x3,扩张率为2,通道数为256。

6.根据权利要求1所述的方法,其特征在于,所述在所述嵌入序列中增加位置编码信息,包括:使用不同频率的正弦函数和余弦函数增加位置编码信息。

7.根据权利要求1所述的方法,其特征在于,所述transformer网络模型包括包含有多头注意力机制的transformer编码器和transformer解码器,以及多层前馈神经网络。