[发明专利]一种基于时空循环注意力机制的CT淋巴结检测系统

摘要

本发明公开了一种基于时空循环注意力机制的CT淋巴结检测系统，具体涉及医学图像分析技术领域。本发明基于深度卷积神经网络和循环注意力机制，能够在淋巴结CT序列的切片向和空间域内构造出自适应病灶尺寸的注意力特征图谱。首先，利用一预训练卷积网络提取出淋巴结CT图像对应的高层空间特征；其次在空间邻域内，以淋巴结中心切片为基准，构造一种基于高斯核函数的循环注意力机制；在此基础上，实施基于高斯混合模型的时间(切片方向)注意力机制；此外，根据淋巴结在CT切片序列内位置分布的先验信息，对预测的注意力位置进行约束；最后，循环神经网络综合该两种注意力方法提取到的高层特征进行分类，得到淋巴结检测结果。

主权项

1.一种基于时空循环注意力机制的CT淋巴结检测系统，其特征在于，包括训练样本提取模块、深层特征提取网络、特征嵌入网络和时空循环注意力目标检测模块，检测过程包括以下步骤：步骤一：利用训练样本提取模块对获取到的淋巴结dcm格式文件及对应的淋巴结标注位置坐标信息，采用python中的pydicom模块对每个淋巴结抽取出长度为L、宽为W、高为H的CT切片图像块序列I_i(i＝1,2,...,L)，步骤二：基于深层特征提取网络，利用由自然图像预训练好的VGG‑16模型对每一淋巴结的CT切片图像块序列提取出其对应的高层空间特征图谱序列，记为{X₀,...,X_L}；步骤三：构建特征嵌入网络，对输入的高层特征图谱序列进行降维，输出特征图谱Α_i；步骤四：构建时空循环注意力框架，基于循环神经网络和高斯核函数，执行空间注意力机制，获得空间注意力结果步骤五：对步骤四获得的空间注意力结果实施时间注意力机制，得到时空注意力特征步骤六：综合步骤五得到的时空注意力特征利用步骤四已构建的循环神经网络预测出此循环注意力迭代步的淋巴结阳性得分步骤七：构建模型的损失函数，重复T次步骤四至步骤六，利用梯度反向传播算法，对模型进行有监督训练；步骤八：重复步骤三至七，对模型进行迭代训练，直至训练结束，得到训练好的模型；步骤九：输入待检测的淋巴结CT序列，进行模型推理过程，将最后一次循环注意力输出的阳性得分作为CT淋巴结检测结果。