申请/专利权人：安徽大学

申请日：2024-01-03

公开（公告）日：2024-04-09

公开（公告）号：CN117853797A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V40/10;G06V10/774;G06N3/0464;G06N3/086

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于进化神经网络结构搜索的肌肉骨骼异常检测方法，包括：1收集肌肉骨骼的X光片数据并进行预处理；2针对肌肉骨骼异常检测设计特定的网络结构；3初始化神经网络结构种群；4使用X光片数据集对种群中的每个个体对应的神经网络进行训练并将准确率作为个体的适应度值；5从种群中选择个体作为父代使用交叉变异生成子代种群，并通过二元锦标赛选择的方法从子代和父代的混合种群中生成新一代的种群；6迭代上述过程达到预设定条件结束进化，得到最优网络结构。本发明能自动搜索高性能的肌肉骨骼异常检测的卷积神经网络模型，从而能提高X光片异常预测的准确性和效率。

主权项：1.一种基于进化神经网络结构搜索的肌肉骨骼异常检测方法，其特征在于，是按以下步骤进行：步骤1、采集带有正常和异常两种类别标签的肌肉骨骼X光片数据集D，并将D按比例划分肌肉骨骼图像训练集Dtrain和肌肉骨骼图像验证集Dvalid；步骤2、构建用于肌肉骨骼异常检测的搜索空间，包括：卷积操作层、池化操作层；步骤3、构建由浅层模块、双流通道空间注意力模块、普通模块、缩减模块和分类模块组成的肌肉骨骼异常检测网络：步骤3.1、所述浅层模块由若干个浅层单元和1个激活函数RELU构成，每个浅层单元包括二维卷积Conv2D和归一化操作BN；将所述肌肉骨骼X光片数据集D输入浅层模块中进行处理，得到浅层特征图F1；步骤3.2、所述双流通道空间注意力模块依次由通道注意力模块、空间注意力模块构成，并对浅层特征图F1进行处理，得到带有通道空间权重的特征图F3；步骤4、构建普通模块和缩减模块，获取最优个体：步骤4.1、构建普通模块和缩减模块，且两种模块均有一个输入节点和一个输出节点；每种模块均包含O个计算节点以及部分计算节点之间所形成的L条有向边，其中，每个计算节点选取所述搜索空间中的一个操作层；普通模块中所有计算节点的步长为1；缩减模块中所有计算节点的步长为2；步骤4.2、定义参数，包括：种群大小为N，最大迭代次数为T，当前迭代次数为t，每个神经网络结构的最大训练次数为Emax，交叉概率为a，变异概率为b；步骤4.3、第t代种群Pt中的每个个体是由一个普通模块和一个缩减模块组成；每个个体为两级编码；其中，第一级编码是由连接编码和操作编码组成，所述连接编码表示计算节点间的有向边，若计算节点之间存在有向边，则相应的连接编码记为“1”，否则，记为“0”；所述操作编码每个计算节点所对应操作层类型；第二级编码是使用二进制编码表示神经网络结构中的普通模块或缩减模块是否与所述分类模块建立连接关系所形成的块间编码；步骤4.4、对第t代种群Pt中的每个个体进行解码后，得到第t次迭代的N个普通模块及其对应的缩减模块，将所述带有通道空间权重的特征图F3分别经过Pt中N个个体进行特征提取后得到第t次迭代的N个特征提取结果；步骤4.5、将第t次迭代的N个特征提取结果通过分类模块的处理后，得到第t次迭代下D的N个预测标签；步骤4.6、基于真实标签和N个预测标签构建第t次迭代下的N个交叉熵损失，由浅层模块、双流通道空间注意力模块、1个普通模块及其对应的缩减模块和分类模块组成的一个检测网络；根据交叉熵损失函数分别对N个检测网络进行训练，当训练次数达到Emax时训练停止训练，并得到第t次迭代后的N个肌肉骨骼异常检测模型；步骤4.7、将验证集Dvalid分别输入第t次迭代的N个肌肉骨骼异常检测模型中进行处理，得到第t次迭代的N个肌肉骨骼异常检测模型在肌肉骨骼图像验证集Dvalid上的准确率，并将N个准确率分别作为第t次迭代的肌肉骨骼异常检测模型所包含的N个个体的适应度值；步骤4.8、交配池选择：第t代种群Pt中每次有放回的随机抽取两个父代个体，并使用二元锦标赛选择法将父代个体中适应度值较大的个体保留，从而得到种群规模为N的第t代交配池Poolt；步骤4.9、依次从第t代交配池Poolt中随机抽取两个父代个体p1和p2，以交叉率a对p1和p2进行编码单点交叉操作后，对交叉后的两个个体再以变异率b进行单点变异操作，得到变异后的两个子代个体o1和o2并加入候选子代种群Qt中，直到规模为N为止；步骤4.10、将Pt和Qt进行混合后，得到种群规模为2N的混合种群Mt；对Mt中的所有个体使用二元锦标赛选择法进行环境选择后，得到第t+1代种群Pt+1；步骤4.11、将t+1赋值给t后，返回步骤4.4顺序执行，直到达到最大迭代次数T为止，从而得到第T代种群PT，并选取适应度值最高的个体所对应的普通模块和缩减模块作为最优普通模块和最优缩减模块；步骤5、由浅层模块、双流通道空间注意力模块、最佳普通模块、最佳缩减模块和分类模块组成的最优肌肉骨骼异常检测模型，用于实现肌肉骨骼X光片的异常检测。

全文数据：

权利要求：

百度查询： 安徽大学 基于进化神经网络架构搜索的肌肉骨骼异常检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD