基于渐进式混合特征图识别直肠癌的系统、介质、设备

本发明涉及图像识别领域，尤其是指一种基于渐进式混合特征图识别直肠癌的系统、介质、设备。

背景技术：

1、直肠癌是一种常见的恶性肿瘤，它可以在消化系统中的任何位置发生，其发病率逐年递增。直肠癌t分期已经成为医学图像分类中的一个热门的研究方向，分期的过程主要是利用医学图像的特征和特点进行分类的过程。该过程的目标是协助医生识别异常，诊断疾病并提供准确的治疗方案。直肠癌t分期涉及医学数据收集，数据扩充，卷积神经网络、计算机科学技术等多领域，具有重要的现实意义和研究价值。

2、早期直肠癌的分类是通过医生依靠肉眼和手感来判断肿瘤的特征，但这种方法的人工成本很高，并且也存在人工经验不足而导致的准确度很低、出现误诊和漏诊的情况。传统的直肠癌的t分期方法主要依靠影像科医生的专业知识和多年累积的经验来判断，往往容易受到主观意识和专业知识水平的影响，具有一定的不稳定性；直肠癌t分期在近些年里也得到了发展，主要技术包括以下几个方面：通过多层次影像技术和影像分析算法，可以更准确地检测和定位直肠癌；为医生提供更加准确t分期诊断；通过深度学习等技术，可以自动识别直肠癌的图像，并进行t分期诊断。这些方法可以提高诊断的准确性和效率。

3、但是，在实际中，由于医疗数据包含患者的隐私信息，很难获得足够的医学数据来进行公开研究，而现有这些方法对数据集具有很大的依赖性。同时，现有的方法不能很好地对直肠癌t2和t3时期进行判断，存在一定的主观性和不稳定性；并且，现有的图像分类模型在训练过程中无法使用少量的数据达到收敛的效果，从而导致预测准确性和效率低。

技术实现思路

1、为此，本发明所要解决的技术问题在于克服现有技术中的不足，提供一种基于渐进式混合特征图识别直肠癌的系统、介质、设备，可以降低对数据集的依赖性、提高对直肠癌分期预测的准确性和客观性、辅助医生提高诊断效率。

2、为解决上述技术问题，本发明提供了一种基于渐进式混合特征图识别直肠癌的系统，包括：

3、数据获取模块，获取直肠图像并进行预处理，将预处理后的直肠图像作为训练集；

4、网络构建模块，构建包括残差压缩和提取模块、渐进式输出模块、感受野辅助模块的卷积神经网络模型，所述残差压缩和提取模块对特征图通道之间的相互依赖关系进行建模从而加强特征重利用，所述渐进式输出模块用于逐层整合分类结果从而解决在训练过程出现的过拟合问题，所述感受野辅助模块通过获得不同感受野的特征图从而减少直肠图像中低纬度特征信息的损失；

5、训练模块，使用训练集训练所述卷积神经网络模型；

6、预测模块，将待测直肠图像输入训练完成的卷积神经网络模型得到对直肠癌分期的判断结果。

7、在本发明的一个实施例中，所述直肠图像为经过t2加权成像的磁共振图像。

8、在本发明的一个实施例中，所述预处理，包括图像扩充和图像标准化，进行图像标准化时使用的标准化公式为：

9、

10、其中，xi表示第i个图像，xin表示标准化后的第i个图像，表示图像通道上的均值，xistd表示图像通道上的标准差。

11、在本发明的一个实施例中，所述残差压缩和提取模块在残差块之间和残差组之间均使用卷积操作，在残差块之间使用卷积操作用于降低丢失特征图语义信息的概率、提高网络的表达能力和准确性，在残差组之间使用卷积操作用于进一步区分信息、提高数据的表达能力和区分度。

12、在本发明的一个实施例中，所述在残差块之间和残差组之间均使用卷积操作时的计算方法为：

13、

14、

15、其中，bn()表示批量归一化操作，re()表示激活函数处理，conv()表示卷积处理，a表示卷积处理后输出的值；res()表示残差处理，add()表示元素相加处理，r表示残差处理后输出的值；fsq()表示挤压处理，fex()表示激励处理，fscale()表示缩放处理，x1表示挤压、激励和缩放处理后输出的值，x2表示x1经过残差处理后输出的值。

16、在本发明的一个实施例中，所述渐进式输出模块作为模型末尾的分类器，包括多个全连接层；所述渐进式输出模块的组成元素包括：输入层、隐藏层和输出层，实现过程包括：

17、当张量向前传播到隐藏层时，第一个隐藏层选择输入张量不同维度的像素值进行处理并输出；

18、接着，选择输入张量的不同部分以及上一隐藏层的输出作为第二个隐藏层的输入；

19、重复选择输入张量的不同部分以及上一隐藏层的输出作为下一个隐藏层的输入，直到所有的原始输入数据均被使用。

20、在本发明的一个实施例中，所述感受野辅助模块插入在残差块之间，使用前一组残差块的特征图，使得附加层具有不同的感受野。

21、在本发明的一个实施例中，所述感受野辅助模块使用偶数卷积核。

22、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序运行时实现所述的基于渐进式混合特征图识别直肠癌的系统的功能。

23、本发明还提供了一种设备，包括存储器、处理器和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计算机程序时实现所述的基于渐进式混合特征图识别直肠癌的系统的功能。

24、本发明的上述技术方案相比现有技术具有以下优点：

25、本发明通过对有限的图像数据进行预处理，增加训练图像多样性的同时增强值较小特征向量的表达、加快模型的收敛，降低对数据集的依赖性；通过残差压缩和提取模块对特征图通道之间的相互依赖关系进行建模从而加强特征重利用，提供渐进式输出模块逐层整合分类结果从而解决在训练过程出现的过拟合问题，通过感受野辅助模块通过获得不同感受野的特征图从而减少直肠图像中低纬度特征信息的损失；结合使用残差压缩和提取模块、渐进式输出模块、感受野辅助模块，提高对直肠癌分期预测的准确性和客观性，可以实现对直肠癌t分期中t2和t3时期的进一步细化分类，辅助医生获得更准确的诊断结果、提高诊断效率。

技术特征：

1.一种基于渐进式混合特征图识别直肠癌的系统，其特征在于，包括：

2.根据权利要求1所述的基于渐进式混合特征图识别直肠癌的系统，其特征在于：所述直肠图像为经过t2加权成像的磁共振图像。

3.根据权利要求1所述的基于渐进式混合特征图识别直肠癌的系统，其特征在于：所述预处理，包括图像扩充和图像标准化，进行图像标准化时使用的标准化公式为：

4.根据权利要求1所述的基于渐进式混合特征图识别直肠癌的系统，其特征在于：所述残差压缩和提取模块在残差块之间和残差组之间均使用卷积操作，在残差块之间使用卷积操作用于降低丢失特征图语义信息的概率、提高网络的表达能力和准确性，在残差组之间使用卷积操作用于进一步区分信息、提高数据的表达能力和区分度。

5.根据权利要求4所述的基于渐进式混合特征图识别直肠癌的系统，其特征在于：所述在残差块之间和残差组之间均使用卷积操作时的计算方法为：

6.根据权利要求1所述的基于渐进式混合特征图识别直肠癌的系统，其特征在于：所述渐进式输出模块作为模型末尾的分类器，包括多个全连接层；所述渐进式输出模块的组成元素包括：输入层、隐藏层和输出层，实现过程包括：

7.根据权利要求1-6任一项所述的基于渐进式混合特征图识别直肠癌的系统，其特征在于：所述感受野辅助模块插入在残差块之间，使用前一组残差块的特征图，使得附加层具有不同的感受野。

8.根据权利要求7所述的基于渐进式混合特征图识别直肠癌的系统，其特征在于：所述感受野辅助模块使用偶数卷积核。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序运行时实现权利要求1-8中任一项所述的基于渐进式混合特征图识别直肠癌的系统的功能。

10.一种设备，其特征在于：包括存储器、处理器和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计算机程序时实现权利要求1-8中任一项所述的基于渐进式混合特征图识别直肠癌的系统的功能。

技术总结
本发明涉及图像识别领域，公开一种基于渐进式混合特征图识别直肠癌的系统、介质、设备，包括：数据获取模块获取直肠图像，预处理后作为训练集；网络构建模块构建卷积神经网络模型，模型包括：对特征图通道之间的相互依赖关系进行建模的残差压缩和提取模块，逐层整合分类结果的渐进式输出模块，减少直肠图像中低纬度特征信息损失的感受野辅助模块；训练模块使用训练集训练卷积神经网络模型，预测模块将待测直肠图像输入训练完成的卷积神经网络模型得到对直肠癌分期的判断结果。本发明可以降低对数据集的依赖性、提高对直肠癌分期预测的准确性和客观性、辅助医生提高诊断效率。

技术研发人员：钱鹏江,孙术静,姚健,蒋亦樟,张欣,顾逸,王士同,陈爱国
受保护的技术使用者：江南大学
技术研发日：
技术公布日：2024/1/16