本發明提供了一種基于SE?ResNet的肺結核識別方法，包括：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；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；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，并采用訓練集對該網絡進行訓練；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。該識別方法無需人工干預即可智能的識別肺結核X光胸片，識別速度快，精度高。

技術領域

本發明屬于圖像信息檢測領域，具體涉及一種基于SE-ResNet的肺結核識別方法。

背景技術

目前，專業醫師的缺乏導致肺結核病人無法第一時間被確診并接受治療，而從原始醫學影像輸出中診斷病理往往是一個比非醫學影像分類所面臨的理想問題更復雜的問題，導致現有的肺結核智能診斷系統識別準確率較低。

現有技術存在的問題或者缺陷：肺結核病人在診斷過程中常需要較長時間的等待，且在一些醫療條件不足的地區，病人會被誤識別為陰性，在自身無法得到治療的同時，造成肺結核的傳播；并且現有的肺結核檢測技術效率低、準確率差。

發明內容

針對上述現有的肺結核檢測技術效率低、準確率差的技術問題，本發明提供了一種識別速度快、精度高、模型的收斂速度快的基于SE-ResNet的肺結核識別方法。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于SE-ResNet的肺結核識別方法，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。

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；

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。

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′＝X_i/255

其中，X_i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。

所述S3中ResNet50網絡的表示方式為：

y_l＝h(x_l)+F(x_l,W_l)

x_l+1＝f(y_l)