买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京大学

摘要：本发明的目的是在资源有限的环境中，开发一种肺结核TB诊断模型。收集了数百张CXR和CT图像，涵盖三种类型的肺部状况：正常、TB和其他肺病。所有CT图像在训练过程中用作带标签的源域，而CXR图像作为无标签的目标域。基本思想是利用三维CT图像的标签信息来训练二维CXR图像诊断模型。首先，通过简单投影从带标签的三维CT图像获得二维数字重建X射线DRR图像，并保留标签信息。然后，构建一个用于CXR图像中TB诊断的深度网络。该网络在深度域适应框架下以无监督的方式进行训练，带标签的DRR图像作为源域，未标记的CXR图像作为目标域。模型在CXR测试集中实现了78.26％的TB诊断准确率，以5.79％到13.77％的提升幅度超过现有的无监督域适应模型，显著性p值低于0.001。

主权项：1.胸部X射线图像肺结核诊断的无监督域适应方法，其特征在于，包括如下步骤：a收集数据：收集了CT图像数据和CXR图像数据；将收集到的数据集按照一定比例随机分为训练集、测试集，并作相应的预处理；b建立模型：基于无监督域适应方法和深度分类网络，构建端到端的CXR图像肺结核诊断模型，包括以下五个部分：特征提取，低阶特征的对齐，高阶语义特征对齐，注意力模块，源域分类问题；c设计损失函数：在损失函数中分布考虑低阶特征的对齐损失函数和高阶语义特征的对齐损失函数，以及源域的分类损失函数；d训练模型：采用端到端训练方法将b中构建的CXR图像肺结核诊断模型在训练集上进行训练和优化；e训练结束后，将d中所得的CXR图像肺结核诊断模型在测试集上进行测试，将得到的肺结核诊断结果同其他模型进行比较，并进行非量化评估；所述端到端的CXR图像肺结核诊断模型分为特征提取，低阶特征的对齐，高阶语义特征对齐，注意力模块和源域分类问题；特征提取采用已有的成熟提取框架ResNet-50，其包含4个残差块，每个残差块包含若干层；针对不同阶段的特征进行相应的特征对齐处理，低阶特征的对齐采用MMD损失，高阶语义特征对齐采用域对抗损失；在高阶语义特征对齐和源域分类问题之前加入注意力模块；源域分类问题是要求最终的输出为图像的类别，分为三类，正常类别，肺结核类别，其他肺部疾病类别；所述的损失函数分为低阶特征对齐的损失函数和高阶语义特征对齐的损失函数，低阶特征对齐的损失函数为： 其中为多核MMD距离：fl为展平操作，f2为从ResNet-50中提取的第二层特征图的操作，Xs和Xt为源域和目标域的图像数据； 其中βu为第u个核的权重，d代表有d个核，ns和nt为源域Ds和目标域Dt的图像数量，φ为选择的核函数，为RKHS范数，高阶语义特征对齐的损失函数为： 其中Dis是一个辩别器，用于分别图像来自源域还是目标域，f是从ResNet-50中提取最终特征图的操作，attn是注意力模块。

全文数据：

权利要求：

百度查询： 南京大学 胸部X射线图像肺结核诊断的无监督域适应方法