[发明专利]COVID-19胸部CT图像识别方法、装置及电子设备

说明书

本申请涉及一种COVID‑19胸部CT图像识别方法、装置及电子设备。所述方法获取COVID‑19的胸部CT图像，并针对胸部CT图像的特点，构建新冠肺炎CT识别网络，对该网络进行训练得到COVID‑19胸部CT图像识别模型，并利用该模型对待测CT图像进行分类。采用空洞卷积、深度卷积以及点卷积算子，减少冗余参数；采用并行结构连接方式，实现多尺度特征融合、降低模型复杂度；采用下采样方式，使用最大模糊池化以减少锯齿效应，保持信号的平移不变性；采用通道混洗操作，减少参数量与计算量，提高分类准确率，引入坐标注意力机制，使空间坐标信息与通道信息被关注，抑制不重要的信息，以解决资源匹配问题。

技术领域

本申请涉及图像识别技术领域，特别是涉及一种COVID-19胸部CT图像识别方法、装置及电子设备。

背景技术

目前诊断新型冠状病毒感染的肺炎（COVID-19）的主要医学手段有胸部计算机断层扫描(胸部CT)、胸部X射线图像检测、磁共振成像(MRI)等。COVID-19放射学检查，首选容积 CT 扫描，扫描层厚 5 mm（16 层 CT 以上均可以达到），重建为 1.0～1.5 mm 薄层。基于薄层 CT 重建，在横断面、矢状面和冠状面观察，有利于病灶早期检出，评估病变性质和范围，发现直接数字化X射线摄影系统（DR）不易观察的细微变化。但是对于放射科医生来说，通过人工阅片来检阅肺部CT图像中的病灶信息是一项极具挑战性的工作。该工作需要耗费医生大量的时间，而且可能由于视觉疲劳等原因导致误诊、漏诊的情况。因此，计算机辅助诊断(CAD)系统应运而生，并且被广泛应用于医学图像处理领域，能够解决医学图像领域中复杂的计算机视觉问题。

基于深度学习技术识别COVID-19胸部CT图像的技术已经有较多的研究，也取得的一定的研究成果。但是现有的识别方法网络结构复杂、参数量较大、计算量较大，胸部CT图像不重要的信息对分类结果产生负面影响。

发明内容

基于此，有必要针对上述技术问题，提供一种COVID-19胸部CT图像识别方法、装置及电子设备。

一种COVID-19胸部CT图像识别方法，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，得到COVID-19胸部CT图像的类别。

一种COVID-19胸部CT图像识别装置，所述装置包括：

数据获取模块，用于获取COVID-19的胸部CT图像；并将所述胸部CT图像作为训练样本。

新冠肺炎CT识别网络构建模块，用于构建新冠肺炎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。