【技术实现步骤摘要】
基于属性特权与胶囊网络的肺结节识别模型及应用
[0001]本专利技术属于医学图像处理研究领域,涉及一种基于属性特权与胶囊网络的肺结节识别模型及应用
。
技术介绍
[0002]肺癌是死亡率高
、
威胁最大的癌症之一
。
然而,通过对肺部进行检查,在早期发现肺结节并诊断其良恶性,肺癌患者的生存率可以大幅度提高
。
随着医学检验技术的发展,放射科医生可以通过检查病人的肺部
CT
扫描图像查看病人的肺部情况
。
但由于
CT
数据的图片数量繁多,放射科医生人工检查
CT
图像非常消耗时间与精力
。
另一方面,放射科医生的评估大多是依据自身的经验,没有独立检验,从而缺乏结果的客观性
。
因此,通过计算机辅助诊断系统,医生可以快速对病人的肺部情况做出初步诊断,从而提高医生的诊断效率
。
[0003]在早期,研究人员大多选择人工提取肺结节图像中的特征,利用这些特征识别结节良恶性
。
随着深度学习在图像分析领域的发展,研究人员使用深度学习技术判断肺结节的良恶性
。
深度学习可以从图像中自动提取肺结节特征识别其良恶性,实现端到端分类,无需人工提取特征,避免了人工提取特征的复杂性与繁琐性
。
[0004]近年来,使用深度学习来识别肺结节的算法层出不穷
。
肺结节的二维图像获取简单,数据量小,许多研究人员研究使
【技术保护点】
【技术特征摘要】
1.
基于属性特权与胶囊网络的肺结节识别模型,其特征在于:包括
Res2net
网络模块
、
卷积模块
、
通道与空间的注意力模块
、
第一识别性能提升模块和第二识别性能提升模块;所述的
Res2net
网络模块用于获得输入特征的多个感受野输出;所述的卷积模块连接于
Res2net
网络模块输出端,用于肺结节的特征提取;所述的通道与空间的注意力模块连接于卷积模块的输出端,用于对肺结节特征中不同通道
、
不同空间的特征赋予不同权重;所述第一识别性能提升模块连接于通道与空间的注意力模块的输出端,用于在训练时加入肺结节属性信息,提高模型良恶性识别准确性;所述第二识别性能提升模块连接于通道与空间的注意力模块的输出端,用于在识别模型中加入胶囊结构,帮助模型识别肺结节图像中不同部分的相对空间关系,提升对肺结节良恶性判断的性能;所述第一识别性能提升模块与第二识别性能提升模块的输出端连接至全连接网络,由所述全连接网络输出肺结节的良恶性
。2.
根据权利要求1所述的基于属性特权与胶囊网络的肺结节识别模型,其特征在于:还包括预处理模块,位于
Res2net
网络模块的输入端,采用核大小为3×3的卷积块
。3.
根据权利要求1所述的基于属性特权与胶囊网络的肺结节识别模型,其特征在于:所述的卷积模块采用两个串联的核大小为3×3的卷积层
。4.
根据权利要求1所述的基于属性特权与胶囊网络的肺结节识别模型,其特征在于:所述通道与空间的注意力模块先对输入的特征应用通道注意处理,后对处理后的特征施加空间...
【专利技术属性】
技术研发人员:高森达,佘青山,胥阳,马玉良,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。