胸部X射线图像肺结核诊断的无监督域适应方法

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，f (2) 为从ResNet-50中提取的第二层特征图的操作，X s 和X t 为源域和目标域的图像数据；其中β u 为第u个核的权重，d代表有d个核，n s 和n t 为源域D s 和目标域D t 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。 2.根据权利要求1所述的胸部X射线图像肺结核诊断的无监督域适应方法，其特征在于：建立的CXR图像肺结核诊断模型可用于除肺结核外任何可标注的肺部疾病的诊断与检测。 3.根据权利要求1所述的胸部X射线图像肺结核诊断的无监督域适应方法，其特征在于：将收集到的数据分为训练集和测试集的比例包括但不限于8：2；对收集到的数据的预处理方法包括归一化，随机水平翻转，随机垂直翻转，随机裁剪，灰度变换。