[发明专利]一种将先验知识融入深度学习引导磁共振图像分类的方法

权利要求书

1.一种将先验知识融入深度学习引导磁共振图像分类的方法，该方法是对患者的磁共振图像是否发生前列腺包膜侵犯进行图像分类，其特征在于包括以下具体步骤：

步骤1：对患者进行磁共振扫描得到磁共振图像，自动或者手动在磁共振图像上对前列腺腺体和癌灶边缘进行勾画，得到腺体和癌灶的轮廓；

步骤2：生成一张与磁共振图像大小相同的空白图作为注意力图，通过以下的操作，设置所述空白图上的像素值；具体包括：

1)取磁共振图像上癌灶内的任一像素点；

2)若该像素点不在腺体轮廓内，将注意力图中对应位置的像素点的像素值设为1；

3)若该像素点在腺体内部，计算该像素点到腺体边界的距离d_p，注意力图对应像素点的像素值设置为其中r为图像分辨率，α用于控制像素值的衰减程度，d_p越小，像素值越大；

4)对于磁共振图像上癌灶内部所有像素点，重复步骤1)-3)，完成赋值；

5)对步骤2中的4)生成的注意力图的癌灶四周方向进行像素值衰减，衰减率为β，即每延伸距离d，注意力衰减β·d，直至像素值衰减至0；

步骤3：选取设有卷积注意力模块CBAM的ResNeXt作为分类网络；将磁共振图像输入分类网络ResNeXt进行训练；在训练到卷积注意力模块时，把步骤2生成的注意力图和卷积注意力模块生成的空间注意力图结合输入所述分类网络；其结合方式是将注意力图和空间注意力图分别和上层特征图相乘，再一起送入所述分类网络；

步骤4：训练完成，得到患者发生包膜侵犯的概率，如果该概率大于等于所选取的阈值，则患者发生前列腺包膜侵犯，反之则没有发生侵犯。