(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211146742.6 (22)申请日 2022.09.21 (71)申请人 山东大学齐鲁医院 地址 250012 山东省济南市历下区文化西 路107号 (72)发明人 李安宁　张默文　乔建苹　王胜军　 赵梦　王宁宁　王会君　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李圣梅 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/00(2017.01) (54)发明名称 基于残差神经网络的医学图像分类系统 (57)摘要 本发明提供一种基于残差神经网络的医学 图像分类系统， 涉及医学图像处理技术领域， 包 括： 图像获取模块， 被配置为获取待分类的大脑 磁共振图像； 预处理模块， 被配置为对大脑磁共 振图像进行图像预处理， 得到多个感兴趣区域图 像块； 概率提取模块， 被配置为利用预先构建的 患病概率提取网络分别确定出多个感兴趣区域 图像块对应的患病概率， 根据各感兴趣区域图像 块中感兴趣区域对应的区域权重和患病概率， 确 定个体患病概率； 分类模块， 被配置为根据个体 患病概率， 确定大脑磁共振图像所属的类别。 该 系统适用于对临床工作中获取的低维医学图像 的分类， 提高低维医学图像分类的准确性。 权利要求书1页 说明书6页 附图3页 CN 115240014 A 2022.10.25 CN 115240014 A 1.一种基于残差神经网络的医学图像分类系统， 其特 征在于， 包括： 图像获取模块， 被 配置为获取待分类的大脑磁共 振图像； 预处理模块， 被配置为对所述大脑磁共振图像进行图像预处理， 得到多个感兴趣区域 图像块； 概率提取模块， 被配置为利用预先构建的患病概率提取网络分别确定出多个所述感兴 趣区域图像块对应的患病概率， 根据各感兴趣区域图像块中感兴趣区域对应的区域权重和 患病概率， 确定个 体患病概 率； 其中， 所述患病概 率提取网络是基于残差神经网络构建的； 分类模块， 被 配置为根据所述个 体患病概 率， 确定所述大脑磁共 振图像所属的类别。 2.如权利要求1所述的基于残差神经网络的医学图像分类系统， 其特征在于， 对所述大 脑磁共振图像进行图像预处 理， 得到多个感兴趣区域图像块， 包括： 对所述大脑磁共振图像进行前连合 ‑后连合校正， 然后进行去颅骨和组织分割， 得到灰 质图像； 将分割出的灰质图像进行双样本t检验， 得到多个差异点 坐标； 以多个所述差异点 坐标为中心提取 特定大小的感兴趣区域图像块。 3.如权利要求1所述的基于残差神经网络的医学图像分类系统， 其特征在于， 所述患病 概率提取网络包括依 次连接的输入模块、 残差特征提取模块和判断模块； 所述输入模块用 于对感兴趣区域图像块进行下采样， 输出得到预设维度的特征图； 所述残差特征提取模块 用于提取所述特征图的深层结构特征； 所述判断模块用于根据所述深层结构特征确定感兴 趣模块对应的患病概 率。 4.如权利要求3所述的基于残差神经网络的医学图像分类系统， 其特征在于， 所述残差 特征提取模块由多个残差结构连接而成， 用于提取 特征图的深层结构特 征。 5.如权利要求4所述的基于残差神经网络的医学图像分类系统， 其特征在于， 每个残差 结构包括两条通路， 其中一条通路为依次连接的第一卷积层、 第一归一化层、 激活函数层、 第二卷积层和第二归一化层； 另一条通路为依 次连接的第三卷积层和第三归一化层， 最后 通过相加层将两条通路取和； 特征图经过两条通路分别提取出不同尺度的结构特征， 并通 过相加得到深层结构特 征。 6.如权利要求5所述的基于残差神经网络的医学图像分类系统， 其特征在于， 所述深层 结构特征包括体素 灰度值和边 缘形态。 7.如权利要求3所述的基于残差神经网络的医学图像分类系统， 其特征在于， 在所述输 入模块中， 感兴趣区域图像块依次经过数据输入层、 卷积层、 归一化层和激活函数层 进行下 采样， 得到预设维度的特 征图。 8.如权利要求3所述的基于残差神经网络的医学图像分类系统， 其特征在于， 在所述判 断模块中， 所述深层结构特征经过池化操作， 并经过全连接层处理， 得到感兴趣模块对应的 患病概率。 9.如权利要求1所述的基于残差神经网络的医学图像分类系统， 其特征在于， 所述个体 患病概率的确定方式包括： 将每个感兴趣区域的患病概率分别与其区域权重相乘得到加权 概率， 并将多个加权概 率的和值作为 最终的个 体患病概 率。 10.如权利要求1所述的基于残差神经网络的医学图像分类系统， 其特征在于， 所述分类 模块被配置为根据个体患病概率与预设阈值的比较结果， 确定大脑磁共振图像所属的类别。权　利　要　求　书 1/1 页 2 CN 115240014 A 2基于残差神经 网络的医学图像分类系统 技术领域 [0001]本发明涉及医学图像处理技术领域， 尤其涉及一种基于残差神经网络的医学图像 分类系统。 背景技术 [0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息， 不必然构成已经成为 本领域一般技术人员所公知的现有技 术。 [0003]在医学图像处理领域中， 计算机辅助分析筛查人群的磁共振成像(Magnetic   Resonance  Imaging， MRI)能够为医护人员对疾病的预测和分型提供重要参考， 例如通过计 算机对MRI进行分类， 是阿尔兹海默症 （Alzh eimer s disease， AD） 诊断和分型的常用手段。 MRI的测量有许多优点， 如它不使用电离辐射， 无创， 且更便宜， 在大多 数医疗环 境中更广泛 的传播。 现阶段， 对AD患者分类的方法中， 通常将 机器学习方法应用于MRI结构， 包括支持向 量机(support  vector machines， SV M)是目前最 常用的机器学习方法， 支持向量机从MRI中 提取高维信息特 征， 建立医学图像的分类模型。 [0004]与传统的机器学习方法相比， 深度学习算法具有明显的优势， 例如， 可以从原始图 像中自动得到数据的最优表示， 而不需要 预先进行特征选择。 但是， 深度学习算法适用于处 理大规模且高维的医学影像数据， 而对于临床工作中获取 的低维的医学图像， 很难保证分 类结果的准确性。 发明内容 [0005]为了解决上述问题， 本发明提供一种基于残差神经网络 的医学图像分类系统， 通 过将待分类的大脑磁共振图像分成多个 感兴趣区域图像块， 并针对每个感兴趣区域图像块 分别进行处理， 得到最 终的分类结果， 以适用于对临床工作中获取的低维医学图像的分类， 确保分类结果的准确性。 [0006]本发明主 要包括以下技 术方案： 本发明实施例提供一种基于残差神经网络 的医学图像分类系统， 其特征在于， 包 括： 图像获取模块， 被 配置为获取待分类的大脑磁共 振图像； 预处理模块， 被配置为对所述大脑磁共振图像进行 图像预处理， 得到多个感兴趣 区域图像块； 概率提取模块， 被配置为利用预先构建的患病概率提取网络分别确定出多个所述 感兴趣区域图像块对应的患病概率， 根据各感兴趣区域图像块中感兴趣区域对应的区域权 重和患病概率， 确定个体患病概率； 其中， 所述患病概率提取网络是基于残差神经网络构建 的； 分类模块， 被配置为根据所述个体患病概率， 确定所述大脑磁共振图像所属的类 别。说　明　书 1/6 页 3 CN 115240014 A 3