(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 202210333027.7 (22)申请日 2022.03.31 (71)申请人 中国人民解 放军空军 军医大学 地址 710032 陕西省西安市长乐西路169号 申请人 西安科技大 学 (72)发明人 姜涛　杨光　万翔　田丰　赵晋波　 倪云峰　钟代星　王孝彬　杨珍　 (74)专利代理 机构 陕西铭一知识产权代理有限 公司 61287 专利代理师 马歆甜 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于超声影像的肺炎辨识方法、 装置和 计算机设备 (57)摘要 本发明公开了一种基于超声影像的肺炎辨 识方法、 装置和计算机设备， 该方法包括： 构建多 尺度信息融合的深度残差网络模 型； 将二维超声 影像输入模型中， 原始残差连接的子网络ResNet 模块， 利用交替堆叠的卷积和池化模块、 残差连 接模块、 非线性激活函数ReLU， 自底向上逐层自 适应提取二维超声影像中肺炎病理特征， 得到具 有高层语义信息的特征； 特征金字塔FPN子网络 模块， 自顶向下对二维超声影像进行底层纹理特 征提取， 使底层纹理特征与具有高层语义信息的 特征自适应融合； 采用全局均值池化和非线性全 连接层， 将融合后的特征投影到二分类模式空间 中进行肺炎辨识。 该方法能够增强在超声影像辨 识中对不同病人、 不同部位的抗干 扰能力。 权利要求书2页 说明书5页 附图3页 CN 114693643 A 2022.07.01 CN 114693643 A 1.一种基于超声影 像的肺炎辨识方法， 其特 征在于， 包括： 获取二维超声影 像； 构建多尺度信息融合的深度残差网络模型， 所述模型包括： 原始残差连接的子网络 ResNet模块和特 征金字塔FPN子网络模块； 将二维超声影 像输入所述多尺度信息融合的深度残差网络模型中； 其中， 所述原始残差连接的子网络ResNet模块， 利用交替堆叠的卷积和池化模块、 残差连接 模块、 非线性激活函数ReLU， 自底向上逐层自适应提取二维超声影像中肺炎病理多尺度特 征， 降采样处 理后得到具有高层语义信息的特 征； 所述特征金字塔FPN子网络模块， 自顶向下对二维超声影像进行底层纹理特征提取， 并 与下一级特 征图相连， 使底层纹 理特征与具有高层语义信息的特 征自适应融合； 采用深度残差网络的全局均值池化和非线性全连接层， 将融合后的特征投影到二分类 模式空间中进行肺炎辨识。 2.如权利要求1所述的一种基于超声影像的肺炎辨识方法， 其特征在于， 所述降采样， 包括： 对二维超声影 像降采样32倍。 3.如权利要求1所述的一种基于超声影 像的肺炎辨识方法， 其特 征在于， 还 包括： 将多名正常以及肺炎患者的超声影 像作为训练集； 采用二值交叉熵损失作为所述多尺度信息融合的深度残差网络模型的损失函数； 根据训练集和损失函数， 采用反向传播算法BP对所述多尺度信 息融合的深度残差网络 模型进行训练。 4.如权利要求3所述的一种基于超声影像的肺炎辨识方法， 其特征在于， 所述训练集χ 表示为： 其中， xi表示第i个超声影像样本； yi∈{0,1}， 0代表正常， 1代表肺炎； M表示采集到的样 本数量。 5.如权利要求3所述的一种基于超声影像的肺炎辨识方法， 其特征在于， 所述损失函数 J如下： 其中， 表示模型预测第i个样本患有肺炎的概率， 值越大， 表明该样本对应患者患有 肺炎的概 率越大； M表示采集到的样本数量。 6.如权利要求3所述的一种基于超声影像的肺炎辨识方法， 其特征在于， 所述训练的优 化器选用Adam， 初始学习率 lr设置为0.0 01， 每个batch的样本量大小设置为16 。 7.如权利要求3任一项所述的一种基于超声影像的肺炎辨识方法， 其特征在于， 还包 括： 采用训练后的模型 预测待评估的超声影 像验证集； 采用精度P、 召回率R， 及F测度F1指标定量评估训练过程中模型在验证集上的性能； 其 中， 精度P、 召回率R分别 表征了模型在检测肺炎时的准确性和完备性， 指 标F1从准确性和完 备性方面综合评估 模型异常检测的有效性能。权　利　要　求　书 1/2 页 2 CN 114693643 A 28.一种基于超声影 像的肺炎辨识装置， 其特 征在于， 包括： 超声获取 单元， 用于获取二维超声影 像； 模型构建单 元， 用于构建多尺度信息融合的深度残差网络模型； 所述模型包括： 原始残差连接的子网络ResNet模块， 用于利用交替堆叠的卷积和池化模块、 残差连接 模块、 非线性激活函数ReLU， 自底向上逐层自适应提取二维超声影像中肺炎病理多尺度特 征， 降采样处 理后得到具有高层语义信息的特 征； 特征金字塔FPN子网络模块， 用于自顶向下对二维超声影像进行底层纹理特征提取， 并 与下一级特 征图相连， 使底层纹 理特征与具有高层语义信息的特 征自适应融合； 肺炎辨识模块， 用于采用深度残差网络的全局均值池化和非线性全连接层， 将融合后 的特征投影到二分类模式空间中进行肺炎辨识。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1～7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114693643 A 3