(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 202210626455.9 (22)申请日 2022.06.02 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 杨绍武　蓝龙　徐利洋　李欣阳　 余宝仑　 (74)专利代理 机构 国防科技大 学专利服 务中心 43202 专利代理师 刘芳 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/74(2022.01) G06V 10/774(2022.01) (54)发明名称 一种自编码网络医学图像异常检测方法 (57)摘要 本发明公开了一种自编码网络医学图像异 常检测方法， 包括： S1、 选 择设定图像作为医学图 像异常检测任务的数据集， 对设定图像的前景进 行超像素块划分， 得到设定图像的超像素块掩 码； S2、 随机选 取若干设定图像的超像素块掩码， 并利用该超像素块掩码对设定图像的原图像进 行遮盖； S3、 将被遮盖的设定图像输入到自编码 网络中进行训练， 该自编码网络利用均方误差与 结构相似性误差的加权和作为损失函数调节网 络参数； S4、 在对医学图像进行异常检测时， 将图 像输入到训练好的自编码网络中， 由输入图像和 输出图像得到差值图像， 根据差值图像计算出异 常区域。 本发 明可以提高自编码网络对正常样本 的重建能力， 更好地通过重建误差来区分出异常 图像。 权利要求书2页 说明书6页 附图2页 CN 115035058 A 2022.09.09 CN 115035058 A 1.一种自编码网络医学图像异常检测方法， 其特 征在于， 包括以下步骤： S1、 选择设定图像作为医学图像异常检测任务的数据集， 利用简单线性迭代聚类算法 对设定图像的前 景进行超像素块划分， 得到设定图像的超像素块掩码； S2、 随机选取若干设定图像的超像素块掩码， 并利用该超像素块掩码对设定图像的原 图像进行遮盖； S3、 将被遮盖的设定图像输入到自编码网络中进行训练， 该自编码网络利用输出图像 与未被遮盖的设定图像的原图之间均方误差与结构相似性误差的加权和作为损失函数调 节网络参数， 使自编码网络的输出图像和输入图像的差值图像达 到第一预设阈值； S4、 在对医学图像进行异常检测时， 将图像输入到训练好的自编码网络 中， 由输入图像 和输出图像得到 差值图像， 根据差值图像 计算出异常区域。 2.根据权利要求1所述的自编码网络 医学图像异常检测方法， 其特征在于， 所述步骤S2 中的遮盖区域所填充的像素值 为对应原图像区域像素值的平均值。 3.根据权利要求1所述的自编码网络 医学图像异常检测方法， 其特征在于， 所述步骤S3 中： 所述均方误差的表达式为： 式中， I和K分别代 表输入图像和重建图像， m和n分别代 表图像的长 宽尺寸； 所述结构相似性 误差表达式为： SSIM(x， y)＝f(l(x， y)， c(x， y)， s(x， y) ) 式中， l为亮度， c为对比度， s为结构， 分别定义如下： 式中， μx和 μy分别为图像块内所有像素点的均值， σx， σy为图像块像素值的方差， σxy为对 应的协方差， 公式中为了防止分母为0加入了C1， C2， C3项， 若C3＝C2/2， 则简化后的结构相似 性误差表达式为： 所述损失函数的表达式为： Loss(x， y)＝ w*SIMM(x， y)+(1 ‑w)*MSE(x， y)。 4.根据权利要求1所述的自编码网络 医学图像异常检测方法， 其特征在于， 所述步骤S4 中根据差值图像计算出异常区域具体为： 若差值图像中小于第二设定阈值的像素点设为正 常像素点， 在其 余区域中利用连通区域像素点的数量区分噪声区域。 5.根据权利要求4所述的自编码网络医学图像异常检测方法， 其特征在于， 将所述噪声权　利　要　求　书 1/2 页 2 CN 115035058 A 2区域中的像素值被降低一个数量级。 6.根据权利要求1所述的自编码网络医学图像异常检测方法， 其特征在于， 所述设定图 像为脑部核磁共 振图像。权　利　要　求　书 2/2 页 3 CN 115035058 A 3