[发明专利]一种心肌MRI图像分类系统

权利要求书

1.一种心肌MRI图像分类系统，其特征在于，包括：图像预处理模块，图像分类模块；

所述图像预处理模块用于获取原始心肌MRI图像，对所述原始心肌MRI图像进行预处理，获取二维数据集；所述二维数据集中包含所述原始心肌MRI图像的原始特征；

所述图像分类模块为训练后的卷积神经网络，所述训练后的卷积神经网络包括卷积模块、残差模块、注意力模块和全连接层；所述卷积模块用于对所述二维数据集进行特征提取，获取所述原始心肌MRI图像的深层特征；所述残差模块用于将所述深层特征与所述原始特征相融合，获取融合特征；所述注意力模块用于对所述融合特征中的目标特征进行加强，并对所述融合特征中的非目标特征进行抑制；所述全连接层用于对所述注意力模块的输出特征进行整合后，输出所述二维数据集的分类结果。

2.根据权利要求1所述的心肌MRI图像分类系统，其特征在于，所述图像预处理模块包括：

采样单元，用于对所述原始心肌MRI图像进行采样，获取预定分辨率的采样图像；

归一化单元，用于对所述采样图像进行归一化处理，获取归一化图像；

剪裁单元，用于对所述归一化图像进行剪裁，获取预定尺寸的剪裁图像；

转换单元，用于对所述剪裁图像进行转换，获取所述二维数据集。

3.根据权利要求1或2所述的心肌MRI图像分类系统，其特征在于，所述卷积模块包括7层依次连接的卷积层；所述残差模块包括3层依次连接的残差层，每个所述残差层由一个卷积层和一个跳跃连接组成；所述注意力模块有两个。

4.根据权利要求1所述的心肌MRI图像分类系统，其特征在于，对所述卷积神经网络的训练方法为：

人工标注训练用心肌MRI图像，获取标签数据；

所述图像预处理模块还用于对所述标签数据进行预处理，获取训练样本；

将所述训练样本输入卷积神经网络，采用前向传播算法对卷积神经网络进行训练；训练过程中，卷积神经网络的全连接层输出所述训练样本是否为事发的概率分布；

计算所述概率分布与所述标签数据之间的误差；

根据所述误差，采用SGD优化函数对训练中的卷积神经网络进行优化，直到所述误差低于预定阈值。

5.根据权利要求4所述的心肌MRI图像分类系统，其特征在于，所述计算所述概率分布与所述标签数据之间的误差包括：

计算训练中的卷积神经网络的精确度、特异性和灵敏度。

6.根据权利要求5所述的心肌MRI图像分类系统，其特征在于，所述计算训练中的卷积神经网络的精确度的方法为：

其中，TF是卷积神经网络正确预测病例的数量，PF是卷积神经网络错误预测病例的数量，Accuracy为所述精确度。

7.根据权利要求5所述的心肌MRI图像分类系统，其特征在于，所述计算训练中的卷积神经网络的特异性的方法为：

其中，D是卷积神经网络正确预测负样本的数量，C是卷积神经网络错误预测负样本的数量，Specificity为所述特异性。

8.根据权利要求5所述的心肌MRI图像分类系统，其特征在于，所述计算训练中的卷积神经网络的灵敏度的方法为：

其中，A为卷积神经网络正确预测正样本的数量，B是卷积神经网络错误预测正样本的数量，Sensitivity为所述灵敏度。