[发明专利]COVID-19胸部CT图像识别方法、装置及电子设备

权利要求书

1.一种COVID-19胸部CT图像识别方法，其特征在于，所述方法包括：

获取COVID-19的胸部CT图像；并将所述胸部CT图像作为训练样本；

构建新冠肺炎CT识别网络；所述新冠肺炎CT识别网络包括输入网络、特征提取网络以及分类网络；所述特征提取网络包括PCS-D-CA模块、PCS-D模块、PCS-S-CA模块、PCS-S模块以及自适应池化层；所述输入网络采用空洞卷积方式提取所述训练样本的空洞卷积特征；所述特征提取网络采用最大模糊池化、通道混洗操作并引入坐标注意力机制对所述空洞卷积特征进行特征提取，得到融合坐标注意力的特征；所述分类网络根据所述融合坐标注意力的特征对胸部CT图像进行分类，得到COVID-19胸部CT图像的类别；

根据所述训练样本对所述新冠肺炎CT识别网络进行训练，得到COVID-19胸部CT图像识别模型；

获取COVID-19的待测胸部CT图像，并将所述待测胸部CT图像输入到所述COVID-19胸部CT图像识别模型中，得到COVID-19胸部CT图像的类别；

其中：PCS-D模块用于对输入的特征进行最大模糊池化，将得到的池化特征进行通道切分，切分为通道相同的两路，并对切分结果进行空洞卷积操作，将得到的两路空洞卷积结果进行拼接，并对拼接结果进行通道混洗，得到通道拼接特征；

PCS-S模块用于输入的特征进行通道切分，切分为通道相同的两路，并对得到的两路切分特征进行空洞卷积操作，将得到的两路空洞卷积结果进行元素相加，得到元素加和特征；

PCS-D-CA模块是在PCS-D模块中引入坐标注意力机制得到的，用于采用坐标注意力机制对PCS-D模块输出的通道拼接特征进行特征提取，获取包含精准坐标信息、纹理信息的特征；

PCS-S-CA模块是在PCS-S模块中引入坐标注意力机制得到的，用于采用坐标注意力机制对PCS-S模块输出的元素加和特征进行特征提取，获取包含精准坐标信息、纹理信息的特征；

其中，所述输入网络包括1层空洞卷积层；

步骤：根据所述训练样本对所述新冠肺炎CT识别网络进行训练，得到COVID-19胸部CT图像识别模型，包括：

将所述训练样本输入到所述输入网络的空洞卷积层中，得到空洞卷积特征；

将所述空洞卷积特征输入到所述特征提取网络中，得到融合坐标注意力的特征；

将所述融合坐标注意力的特征输入到所述分类网络中，输出分类预测结果，并根据所述分类预测结果和所述训练样本进行反向训练，得到COVID-19胸部CT图像识别模型；

其中，所述特征提取网络由2个PCS-D-CA模块、3个PCS-D模块、1个PCS-S-CA模块、2个PCS-S模块、1层自适应池化层、1层Dropout层以及1层点卷积层组成；

步骤：将所述空洞卷积特征输入到所述特征提取网络中，得到融合坐标注意力的特征，包括：

将所述空洞卷积特征输入到第一个所述PCS-D-CA模块，并将得到的第一融合坐标注意力的特征输入到第二个所述PCS-D-CA模块中，得到第二融合坐标注意力的特征；

将所述第二融合坐标注意力的特征输入到第一个所述PCS-D模块，并将得到的第一通道拼接特征输入到第二个所述PCS-D模块，将输出的第二通道拼接特征输入到第三个所述PCS-D模块中，得到第三通道拼接特征；

将所述第三通道拼接特征输入到所述PCS-S-CA模块中，得到第三融合坐标注意力的特征；

将所述第三融合坐标注意力的特征输入到第一个所述PCS-S模块，并将得到的第一元素加和特征输入到第二个所述PCS-S模块中，得到第二元素加和特征；

将所述第二元素加和特征输入到所述自适应池化层，得到自适应池化特征；

将所述自适应池化特征输入到所述Dropout层中，并将得到的输出特征输入到所述点卷积层中，得到融合坐标注意力的特征。