Page 10 - 南京医科大学自然版

第44卷第9期
·1182 · 南 京 医 科 大 学 学 报 2024年9月

射函数完成激活，获取注意力权重。将输入的特征 tion and value）色彩空间，首先将 R、G、B 3 个通道进
图像与 X 轴和 Y 轴权重相乘，获得区位信息后输出 行归一化，如式（9）所示，色彩空间模型变换如图 5
特征矩阵，如式（7）。 所示。
)
)
h
ω
y (i，j = x (i，j ⋅ g ( ) i ⋅ g ( ) j （7） ìR = R/255
n
c
c
c
c
ï
1.2.2.2 模型加速收敛模块 í G = G/255 （9）
n
ï
内协参数变量移位，即随着网络层数加深，高 î B = B/255
n
层参数更新要不断地去适应底层参数，前层参数的 随后计算H、S、V值，如式（10）所示：
［14］
更新会导致下一层的输入发生变化 。神经元的批 ì ì 60 × (G - B n )
ï ï ，if V = R
n
ï
量归一化（batch normalization，BN）运算过程可如图 ï ï V - Min(R ，G ，B n ) n
ï
n
n
ï ï
ï
ï
4A所示，假设后一层返回的梯度为P，那么通过链式 ï ï 120 + 60 × (B - R n ) ，if V = G
n
ïH = í
ï
求导法可知当前神经元的梯度可如式（8）所示。 ï ï V - Min(R ，G ，B n ) n
ï
n
n
ï
ï 240 + 60 × (R - G
δP δP δf δP ⋅ x í ï n n ) （10）
ï
δw i = δf ⋅ δw i = δf i （8） ï ï V - Min(R ，G ，B n ) ，if V = B n
ï
ï
î
n
n
ï
当 x 全为正数或者负数时，每次返回的梯度都 ï
ï ìV - Min(R ，G ，B n )
ï
n
n
ï
只会沿着一个方向发生变化 ［15］ ，那么梯度变换图4B ïS = í V ，if V ≠ 0
ï
红色箭头所示，沿着一个方向，出现“之”字形更新 ï ï
î 0，else
î
的现象，导致模型收敛速度变慢，如果数据x正负数 随机抽选1张血浆样本，由RGB转换至HSV空
相近时，梯度就会接近图 4B 蓝色箭头更新，从而加 间，因每条通道中的物理意义不同，每个单通道成
［16］
速模型收敛 。 像则会有较大差异 ［20］ ，结合物理意义的重要性来确
在 Decoder 侧引入 Padding 模块则是为了保持 定样本图像在每条通道中的阈值范围，即锁定 1 个
语义分割“U”型结构两侧的特征尺寸一致，防止De⁃ 临界疑似溶血血浆的HSV颜色空间。
coder侧进行逐次卷积操作时都要进行左侧Encoder 如图6所示，将样本每个通道归一化三维显示
结构中特征裁剪再复制的复杂计算方式，提升了计 和像素点数量分布情况进行统计学计算（不包含背
算速度 ［17］ 。另一重要因素则是为了保持特征矩阵 景），通过直方图可计算出通道幅值限界。
的边界信息，加入 Padding 模块后，特征矩阵边缘则 设本方法直方图的极值分别为 a、b、c，其 H、S、
会被扫描多次，增强了边界信息的有效参考 ［18］ ，防 V 通道的 OpenCV 血浆取值范围为 h、s、v ［21］ ，其中 h
止有效信息丢失。 分量在OpenCV中做了一个技巧性处理，即将h分量
1.2.2.3 CCI判别模块
值除以2，取值范围变成了0~180，则有公式（11）。
在光照强度一致情况下，不同人血浆颜色因各
ìh = a × 180
种影响，包括人体体质特性、血液采集设备、血浆制 ï （11）
ís = b × 255
备过程等，会呈现不同程度的颜色。 ï
îv = c × 255
血浆疑似溶血的颜色变化与纸钞中CCI在光强 经计算，S 的阈值为 40.8~229.5、V 的阈值为
不同入射角下呈现的变化状态十分相似 。将样本 89.25~242.5。作为 HSV 模型重要核心的 H 通道则
［19］
由RGB（red，green and blue）映射至HSV（Hue，satura⁃ 要通过对比分析并不断进行阈值修正来确定色调
A B
x0 ω0 Zig zag path
Synapse
Axon from a neuron x0ω0
Dendrite
æ
Cell body f ç∑ x i ω i + b ö ÷
∑ x i ω i + b f
x1ω1 è i ø
i
Actication function Output axon
Hypothetical
x2ω2 optimal W vector
A：Neuron computing. B：Gradient convergence acceleration calculation.
图4 批量归一化计算过程
Figure 4 Batch normalization calculation process