[发明专利]一种基于多模型融合的血管内超声图像斑块识别方法

权利要求书

1.一种基于多模型融合的血管内超声图像斑块识别方法，其特征在于：包括下述步骤：

步骤1，使用IVUS血管内超声图像重建数据集——其中包括图像训练集和图像测试集；

步骤2，分别对训练数据集、测试数据集中的钙化斑块图像、纤维斑块图像、脂质斑块图像进行扩充处理，最后化为40X40像素的图像。

步骤3，构建改进的挤压与激励残差块结构。

步骤4，根据由上一步骤构建的挤压与激励残差块，使用模块堆叠的方法来实现整个识别网络。

步骤5，将2048幅特征图输入平均池化层中得到一个长度为2048的含有图像特征的特征向量。

步骤6，对特征向量进行全连接处理，得到模型的识别结果。

步骤7，重复步骤4至步骤6操作50次，得到训练好的斑块识别模型。

步骤8，将预先设定好的测试数据集输入到训练好的斑块识别模型中，得到识别的结果。

2.根据权利要求1所述的一种基于多模型融合的血管内超声图像斑块识别方法，其特征在于：步骤4.1将数据集中的图片输入至第一层卷积层，由3×3卷积层对其进行特征信息提取并将特征图数量扩充到64幅，然后进入BN层和激活函数(ReLu)层修正参数。

步骤4.2，将上一步骤中得到的64幅特征图输入到第一层的网络中，第一层网络包含两个挤压与激励残差块，得到256幅重新校准通道特性的特征图。

步骤4.3，将上一步骤的256幅特征图输入到第二层网络中，该层包含两个挤压与激励残差块，得到重新校准通道特性后的512幅特征图。

步骤4.4，将上一步骤的512幅特征图输入到第三层网络，得到1024幅更加精准描述图像特征的特征图。

步骤4.5，将第三层网络的输出输入到第四层网络中，得到最终校准通道特性后2048幅特征图。