[發明專利]一種基于SE-ResNet的肺結核識別方法在審
| 申請號： | 202110301567.2 | 申請日： | 2021-03-22 |
| 公開（公告）號： | CN113052227A | 公開（公告）日： | 2021-06-29 |
| 發明（設計）人： | 潘曉光;焦璐璐;令狐彬;宋曉晨;韓丹 | 申請（專利權）人： | 山西三友和智慧信息技術股份有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06K9/42;G06N3/04;G06N3/08;G06T7/00 |
| 代理公司： | 太原榮信德知識產權代理事務所(特殊普通合伙) 14119 | 代理人： | 楊凱;連慧敏 |
| 地址： | 030006 山西省*** | 國省代碼： | 山西;14 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 se resnet 肺結核 識別 方法 | ||
1.一種基于SE-ResNet的肺結核識別方法，其特征在于：包括以下步驟：
S1、獲取真實肺結核圖像，采用DCGAN網絡生成肺結核圖像，并基于真實肺結核圖像和生成肺結核圖像構建矩陣化的肺結核圖像數據集；
S2、對肺結核圖像數據集進行預處理，預處理包括數據讀取和數據歸一化處理；將肺結核圖像數據集劃分為訓練集與測試集；
S3、基于ResNet50網絡和SENet模塊構建SE-ResNet網絡，使用ImageNet數據對該網絡進行預訓練，對網絡參數進行初始化，并采用訓練集對SE-ResNet網絡進行訓練，并對SE-ResNet網絡的模型效果進行評價；
S4、采用訓練完成的SE-ResNet網絡對待識別的肺結核圖像進行分析識別，得到對應的分析識別結果。
2.根據權利要求1所述的一種基于SE-ResNet的肺結核識別方法，其特征在于：所述S1中采用DCGAN網絡生成肺結核圖像的方法為：使用DCGAN網絡進行肺結核陽性圖像與肺結核陰性圖像的生成，輸出生成圖像的分辨率設置為128x128，并從生成圖像中篩選符合預設要求的肺結核陽性圖像與肺結核陰性圖像；
3.根據權利要求1所述的一種基于SE-ResNet的肺結核識別方法，其特征在于：所述S2中對肺結核圖像數據集進行數據讀取的方法為：讀取圖片形式的肺結核數據與其對應標簽并保存為矩陣形式，用于所述SE-ResNet網絡的訓練與識別；數據保存形式為(n,x,y)，其中，n為數據編號，x與y為其像素值；標簽保存形式為(n,l)，其中，n為對應數據編號，l＝1表示陽性，l＝0表示陰性。
4.根據權利要求1所述的一種基于SE-ResNet的肺結核識別方法，其特征在于：所述S2中行數據歸一化處理的方法為：將肺結核圖像數據集中的灰度數據的所有像素點除以255，即X′i＝Xi/255
其中，Xi代表第i條數據，X′i代表歸一化后的第i條數據，將所有數據歸一化到[0,1]范圍內。
5.根據權利要求1所述的一種基于SE-ResNet的肺結核識別方法，其特征在于：所述S3中ResNet50網絡的表示方式為：
yl＝h(xl)+F(xl,Wl)
xl+1＝f(yl)
其中，xl和xl+1表示第l個殘差單元的輸入和輸出，F是殘差函數，表示學習到的殘差，h(xl)＝xl表示恒等映射，f為ReLU激活函數；基于此，從淺層l到深層L的學習特征為：
6.根據權利要求5所述的一種基于SE-ResNet的肺結核識別方法，其特征在于：所述S3中構建SE-ResNet網絡的方法為：所述SE-ResNet網絡在原始ResNet網絡的基礎上添加一個Global Average Pooling-FC-ReLU-FC-Sigmoid的組合，第一層的FC會把通道降下來，然后第二層FC再把通道升上去，得到和通道數相同的C個權重，每個權重用于給對應的一個通道進行加權。
7.根據權利要求1所述的一種基于SE-ResNet的肺結核識別方法，其特征在于：所述S3中SE-ResNet網絡的訓練方法為：使用訓練集數據對保存好的預訓練參數模型進行訓練，采用BGD作為優化器，初始學習率為0.01，每100個epoch學習率衰減50％，batch size大小為64，損失函數使用交叉熵損失函數，設定訓練500個epoch，連續20個epoch模型損失值無下降則停止訓練，保存模型。
8.根據權利要求1所述的一種基于SE-ResNet的肺結核識別方法，其特征在于：所述S3中對SE-ResNet網絡的模型效果進行評價的方法為：采用敏感性、特異性與約登指數對SE-ResNet網絡的模型效果進行評價，特異性代表陰性標本被正確分類的比例，敏感性代表陽性標本被正確分類的比例；敏感性TPR、特異性TNR、約登指數YI的計算方式為：
TPR＝TP/(TP+FN)
TNR＝TN/(TN+FP)
YI＝TPR+TNR-1
其中，TP為正類判定為正類數量；FP為負類判定為正類數量；FN為正類判定為負類數量；TN為負類判定為負類數量。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于山西三友和智慧信息技術股份有限公司，未經山西三友和智慧信息技術股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202110301567.2/1.html，轉載請聲明來源鉆瓜專利網。
