一种基于坐标注意力的对比增强能谱摄影分类方法及装置制造方法及图纸

本发明专利技术属于医疗影像处理领域，提供了一种基于坐标注意力的对比增强能谱乳腺摄影分类方法及装置，对增强后的对比增强能谱乳腺摄影图像进行归一化处理；对归一化处理后的能谱图像采用尺度调整处理；将尺度调整后的图像输入特征提取网络训练学习，根据所述特征提取网络模型提取特征，然后根据所述坐标注意力模块进行注意力嵌入和生成，捕获感兴趣区域，最后由分类网络模型输出能谱图像的分类结果。本发明专利技术可以沿一个空间方向进行特征捕获，同时可以沿另一空间方向保留精确的位置信息，比传统图像分类方法考虑的信息更加全面，实践证明此方法保证了算法的鲁棒性，并且提高了分类精度。并且提高了分类精度。并且提高了分类精度。

【技术实现步骤摘要】
一种基于坐标注意力的对比增强能谱摄影分类方法及装置


[0001]本专利技术属于医疗影像处理
，尤其涉及一种基于坐标注意力的对比增强能谱摄影分类方法及装置。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]通常情况下，医疗摄影是临床非常重要的常规检查手段，而对比增强能谱摄影则是在其基础上通过使用对比剂做进一步检查的新型成像技术，在静脉注射碘剂后的规定时间内，经高、低能瞬间切换曝光等后处理，进行头尾位和内外侧斜位投照，每个摄影体位均可获得低能影像和高能影像各一张，两张图像经过系统后处理可得到一幅类似减影的图像。放射医师根据检查所得的图像数据进行良恶性诊断，然而，诊断结果与医生个体经验水平有着直接联系。
[0004]随着计算机技术的发展，基于对比增强能谱摄影的计算机辅助诊断系统开始被用于辅助医生诊断疾病，能够提升患癌的筛查效率和准确率，帮助影像科医师在早期发现身体部位病变。
[0005]现有深度学习的方法仅将自然图像的分类算法移植到对比增强能谱摄影中，仅考虑图像局部特征，没有考虑摄影中肿块附近区域对肿块病变判断的影响，无法准确定位并识别目标病变区域，所以这些方法对能谱图像分类的准确率不高。

技术实现思路

[0006]为了解决上述
技术介绍
中存在的至少一项技术问题，本专利技术提供一种基于坐标注意力的对比增强能谱摄影分类方法，其基于深度学习网络，将坐标注意力模块引入图像分类模型，根据输入的乳腺图像数据提取多种特征，并通过坐标注意力块进行加权从而进行对比增强能谱摄影的分类。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]本专利技术的第一个方面提供一种基于坐标注意力的对比增强能谱摄影分类方法，包括如下步骤：
[0009]获取对比增强能谱摄影数据以及进行良恶性归类得到对应的良恶性标签；
[0010]将对比增强能谱摄影数据进行预处理，将预处理后的对比增强能谱摄影数据结合特征提取网络进行训练，通过特征提取网络的第一个全连接层，获取深度特征图；
[0011]引入坐标注意力机制，根据深度特征图和良恶性标签对分类网络模型进行训练，将通道通道注意力分解为两个特征编码过程，对深度特征图进行坐标信息嵌入和坐标注意力生成；
[0012]基于训练后的分类网络模型进行良恶性分类，得到待分类影像的良恶性分类结果。
[0013]本专利技术的第二个方面提供一种基于坐标注意力的对比增强能谱摄影分类系统，包括：
[0014]数据获取模块，被配置为：获取对比增强能谱摄影数据以及进行良恶性归类得到对应的良恶性标签；
[0015]特征提取模块，被配置为：将对比增强能谱摄影数据进行预处理，将预处理后的对比增强能谱摄影数据结合特征提取网络进行训练，通过特征提取网络的第一个全连接层，获取深度特征图；
[0016]图像分类模块，被配置为：引入坐标注意力机制，根据深度特征图和良恶性标签对分类网络模型进行训练，将通道通道注意力分解为两个特征编码过程，对深度特征图进行坐标信息嵌入和坐标注意力生成；
[0017]基于训练后的分类网络模型进行良恶性分类，得到待分类影像的良恶性分类结果。
[0018]本专利技术的第三个方面提供一种计算机可读存储介质。
[0019]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于坐标注意力的对比增强能谱摄影分类方法中的步骤。
[0020]本专利技术的第四个方面提供一种计算机设备。
[0021]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于坐标注意力的对比增强能谱摄影分类方法中的步骤。
[0022]与现有技术相比，本专利技术的有益效果是：
[0023]本专利技术将坐标注意力模块引入图像分类模型，根据输入的乳腺图像数据提取多种特征，并通过坐标注意力块进行加权从而进行对比增强能谱乳腺摄影的分类，能够在输入对比增强能谱摄影图像数据中提取特征信息，分别对于水平方向和垂直方向进行图像的坐标信息嵌入和坐标注意力生成，并从通道中提取与分类任务相关的有效图像特征，增强网络的特征提取能力，从而获得较为良好的分类结果。
附图说明
[0024]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0025]图1为本专利技术的基于坐标注意力的对比增强能谱乳腺摄影分类方法流程图；
[0026]图2(a)
‑
图2(d)是本专利技术训练分类模型时输入的对比增强能谱乳腺摄影分类图像；
[0027]图3是本专利技术中坐标注意力机制的内部结构图；
[0028]图4是本专利技术的基于坐标注意力的对比增强能谱乳腺摄影分类装置。
具体实施方式
[0029]下面结合附图与实施例对本专利技术作进一步说明。
[0030]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常
理解的相同含义。
[0031]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0032]乳腺癌筛查是对无症状、表面健康的女性进行筛查，以达到早期乳腺癌诊断的目的。针对乳腺癌筛查的成像技术手段有：超声成像、计算机断层扫描、核磁共振成像、乳腺摄影检查和对比增强能谱乳腺摄影等。这些检查技术能够通过获取人体解剖结构信息和生理、生活等功能代谢信息，辅助医生对病人的情况进行判断。
[0033]实施例一
[0034]如图1所示，本实施例提供一种基于坐标注意力的对比增强能谱摄影分类方法，包括如下步骤：
[0035]S101:获取对比增强能谱摄影数据；
[0036]S102:根据临床检测报告对对比增强能谱摄影数据进行良恶性分类；
[0037]所述根据临床诊断报告对所有对比增强能谱摄影图像分为良性和恶性，并进行编号和重命名。
[0038]S103:将对比增强能谱摄影数据进行预处理，包括图像裁剪、图像增强处理、数据集划分、归一化处理以及尺度调整；
[0039]S104:将预处理后的对比增强能谱摄影数据结合特征提取网络进行训练，通过特征提取网络的第一个全连接层，获取深度特征图；
[0040]S105：引入坐标注意力机制，根据深度特征图和良恶性标签对分类网络模型进行训练，将通道通道注意力分解为两个特征编码过程，对深度特征图进行坐标信息嵌入和坐标注意力生成；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于坐标注意力的对比增强能谱摄影分类方法，其特征在于，包括如下步骤：获取对比增强能谱摄影数据以及进行良恶性归类得到对应的良恶性标签；将对比增强能谱摄影数据进行预处理，将预处理后的对比增强能谱摄影数据结合特征提取网络进行训练，通过特征提取网络的第一个全连接层，获取深度特征图；引入坐标注意力机制，根据深度特征图和良恶性标签对分类网络模型进行训练，将通道通道注意力分解为两个特征编码过程，对深度特征图进行坐标信息嵌入和坐标注意力生成；基于训练后的分类网络模型进行良恶性分类，得到待分类影像的良恶性分类结果。2.如权利要求1所述的一种基于坐标注意力的对比增强能谱摄影分类方法，其特征在于，所述将对比增强能谱摄影数据进行预处理包括：将对比增强能谱摄影图像进行裁剪；对裁剪后的对比增强能谱摄影进行图像增强处理；将增强后的乳腺能谱图像进行全局对比度归一化处理；对归一化处理后的对比增强能谱摄影图像采用尺度调整处理。3.如权利要求1所述的一种基于坐标注意力的对比增强能谱摄影分类方法，其特征在于，所述对比增强能谱摄影数据包括：CC位能谱低能图像、MLO位的能谱低能图像、CC位能谱减影图像以及及MLO位能谱减影图像。4.如权利要求1所述的一种基于坐标注意力的对比增强能谱摄影分类方法，其特征在于，所述特征提取网络由多层卷积神经网络，所述多层卷积神经网络包括多个卷积块，采用前4个卷积块作为特征提取网络，经过4个卷积网络块下采样，得到泛化特征，其他卷积块学习高层特征。5.如权利要求1所述的一种基于坐标注意力的对比增强能谱摄影分类方法，其特征在于，所述将通道通道注意力分解为两个特征编码过程包括：分别沿水平坐标和垂直坐标对每个通道进行编码，对深度特征图进行坐标信息嵌入，生成一对方向感知的特征图；将一对方向感知的特征图输入全局池化层，进行两个空间方向的特征聚合，生成坐标注意力。6.如权利要求...

【专利技术属性】
技术研发人员：郑元杰，李欣萌，崔嘉，侯素娟，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：