[发明专利]一种基于频率注意网络的胸肺部疾病诊断方法

权利要求书

1.一种基于频率注意网络的胸肺部疾病诊断方法，其特征在于：包括，

利用离散余弦变换将胸部X光片由空间域转换到频率域，将相同频率的离散余弦变换系数组合为矩阵，获得所述胸部X光片的不同频率标记；

将相同频率的离散余弦变换系数按照空间位置拼接成离散余弦变换系数矩阵；

每个所述离散余弦变换系数矩阵的大小均为512×512；

去除所述胸部X光片中的高频离散余弦变换系数矩阵以减少噪声对诊断结果的影响；

在输入网络之前，将所述离散余弦变换系数矩阵使用max-min归一化方法转换到[0,1]的范围内，

其中，x_max为样本数据的最大值，x_min为样本数据的最小值。

将三个经过选择的不同频率的所述离散余弦变换系数矩阵分别输入设计了注意力模块的分支；

设计所述注意力模块包括，

对特征图进行全局平均池化后，使用不同大小的卷积核对其进行一维卷积，w_k＝C1D_k(GAP(y))

其中，y指输入的特征图，大小为1×1×C，GAP代表全局平均池化，C1D_k代表不同卷积核大小的一维卷积，k＝3,5,7，即每次都对GAP(y)进行三次卷积核大小分别为3,5,7的一维卷积。

将GAP(y)与w_k融合，大小为1×1×4C，并作为全连接层的输入，

f＝δ(FC(W))

其中，FC指全连接操作，δ为sigmoid激活函数，f为每个通道对应的权重，大小为1×1×C。

将u_c与特征图y逐通道加权，得到最终的加权特征图

其中，F_scale将u_c和y在通道维度上相乘，乘积即为多尺度通道注意力模块中最终得到的加权特征图的每个通道都被赋予不同权重，以表达特征信息的重要程度，在网络中增强有用信息而抑制无用信息。

在排除了所述胸部X光片图像在最高频率的表示之后，将剩下的三个输入进一个三分支的网络；

每个分支都添加了多尺度通道注意力模块以增强特征的提取；

融合每个频率提取出的特征后输入FC层，经过sigmoid激活函数后得出胸部疾病的诊断结果。

2.根据权利要求1所述的基于频率注意网络的胸肺部疾病诊断方法，其特征在于：包括，

对所述胸部X光片在区域大小为2×2的范围内进行离散余弦变换，如下，

其中，p(x,y)是图片的x行y列的像素，N是DCT变换的区域大小，i、j分别代表图片中像素的行数和列数，N＝2。

3.根据权利要求1所述的基于频率注意网络的胸肺部疾病诊断方法，其特征在于：还包括，

使用焦点损失作为损失函数，

其中，β＝2，为超参数。