一种基于脉冲神经网络U型模型的烧伤区域分割系统的制作方法

技术特征：
1.一种基于脉冲神经网络u型模型的烧伤区域分割系统，包括：图像采集装置、神经网络，其特征在于所述图像采集装置用于采集患者烧伤部位的烧伤图像，所述神经网络包括脉冲神经网络u型模型和脉冲耦合神经网络，脉冲神经网络u型模型包括神经元膜电位更新及发放脉冲层、下采样层、上采样层、特征融合层和优化损失模块，通过采集的图像进行烧伤区域分割的训练，并通过训练好的脉冲神经网络u型模型分割烧伤区域，将得到烧伤区域分割结果，脉冲耦合神经网络计算自适应阈值对烧伤区域分割结果进行二值化，得到可视化结果；所述神经元膜电位更新及发放脉冲层，用于更新神经元膜电压及提取发放图像特征脉冲，更新神经元膜电压采用lif神经元模型，将图像实值编码为图像脉冲输入脉冲神经网络u型模型，进行时空间反向传播，迭代更新网络参数，神经元时空间反向传播模型采用模拟时间窗口，将反向传播分解为垂直路径和水平路径，分别代表时间维度和空间维度，每个神经元对来自上层的加权误差信号进行累积，并迭代更新不同层的参数，模拟时间窗口指神经元迭代脉冲序列的模拟时间步；所述下采样层与神经元膜电位更新及发放脉冲层连接，用于图像压缩，每经过一个下采样层就提取一个特征尺度；所述上采样层与神经元膜电位更新及发放脉冲层连接，用于图像解码，每经过一个上采样层，就和对应的特征提起部分，通过特征融合层进行一个拼接；所述优化损失模块，计算脉冲神经网络u型模型输出的损失值，通过优化器训练模型；所述脉冲耦合神经网络，通过自适应阈值，对分割后图像的每一个像素点进行二值化，输出烧伤区域分割可视化结果。2.根据权利要求1所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于还包括预处理模块，预处理包括：裁剪烧伤图像尺寸大小；分割烧伤与非烧伤区域，生成的图像作为模型训练的标签；采用水平翻转、竖直翻转、gamma变换对数据图像进行数据增广。3.根据权利要求1所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于还包括数据特征强化模块，特征强化包括：对数据进行灰度变换；采用对比度受限的直方图均衡化增强图像中血管与背景对比度。4.根据权利要求3所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于所述采用对比度受限的直方图均衡化增强图像中血管与背景对比度，是先求出原图像的直方图分布，然后计算原图直方图的累计概率分布，最后再进行映射，其公式可表达为：其中a为原图，h为直方图，l为灰度级，a0为像素点个数。5.根据权利要求1所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于所述lif神经元模型更新神经元膜电压，采用如下公式：其中τ是时间常数，u是膜电压，i是突触前输入，v
th
是给定的脉冲发放阈值，v
reset
为神经
元发放脉冲后膜电压的复位电压。6.根据权利要求1所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于所述图像实值编码为图像脉冲，采用的是伯努利采样编码，在给定模拟时间窗口t内，进行尖刺抽样，抽样的概率遵循伯努利分布，公式为：p(x＝1)＝p,p(x＝0)＝1-p,0<p<1其中p代表发放脉冲的概率，x＝1为发放脉冲，x＝0为不发放脉冲。7.根据权利要求1所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于所述更新神经元膜电压的表达式为：其中t是神经元迭代时间步，k
τ1
表示神经元膜电压衰减因子，u
t
是神经元膜电压，k
τ1
u
t
为衰减后的神经元膜电压值，w
j
为神经元权重值，o
t
是神经元发放的脉冲，∑
j
w
j
o
t
(j)为脉冲输入线性求和值，i为外部输入，u
t 1
即为外部输入在每一个时间步与衰减后的神经元膜电压值以及脉冲输入线性求和值的和。8.根据权利要求1所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于所述下采样层为池化层。9.根据权利要求1所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于所述损失值的计算，采用均方损失函数，公式如下：loss(x
i
,y
i
)＝(x
i-y
i
)2其中i为矩阵遍历的下标，x
i
为网络输出值，y
i
为标签目标值。10.根据权利要求1所述的一种基于脉冲神经网络u型模型的烧伤区域分割系统，其特征在于所述脉冲耦合神经网络采用eckhorn神经元，其公式如下：其中，n为迭代到第n个eckhorn神经元，f
ij
[n]为神经元的外部输入，s
ij
为外部输入激励信号，l
ij
[n]为神经元的连接输入，w
ijkl
为神经元对相邻神经元输出的影响程度，y
kl
[n-1]为神经元的脉冲输出，u
ij
[n]为神经元内部状态，β为调制场的连接系数，调节邻近神经元内部活动，控制输入信号的组合强度，y
ij
[n]为通过比较神经元内部状态和发放脉冲阈值来决定是否发放脉冲的脉冲发放函数，t
ij
[n]为神经元的动态阈值，α
t
为阈值衰减系数调节神经元分辨率，v
t
为脉冲调制系数；外部图像从f
ij
[n]输入经过与相邻神经元值的计算，得到当前时间步神经元内部状态u
ij
[n]，然后根据前一时间步的内部状态，计算神经元的发放脉冲的动态阈值，由神经元的当前内部状态与发放脉冲的动态阈值相比较，判断下一时间步是否发放脉冲。

技术总结
本发明公开了一种基于脉冲神经网络U型模型的烧伤区域分割系统，包括：图像采集装置、神经网络，其特征在于所述图像采集装置用于采集患者烧伤部位的烧伤图像，所述神经网络包括脉冲神经网络U型模型和脉冲耦合神经网络，脉冲神经网络U型模型包括神经元膜电位更新及发放脉冲层、下采样层、上采样层、特征融合层和优化损失模块，通过采集的图像进行烧伤区域分割的训练，并通过训练好的脉冲神经网络U型模型分割烧伤区域，将得到烧伤区域分割结果，脉冲耦合神经网络计算自适应阈值对烧伤区域分割结果进行二值化，得到可视化结果。得到可视化结果。得到可视化结果。


技术研发人员：梁嘉铠 岳克强 李瑞雪 李文钧 李懿霖 赵金铎 甘智高 许雨婷
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.12.14
技术公布日：2022/3/15