-
公开(公告)号：CN113963778A
公开(公告)日：2022-01-21
申请号：CN202111181151.8
申请日：2021-10-11
Applicant: 中国地质大学(武汉) , 华中科技大学同济医学院附属同济医院
IPC: G16H30/20 , G16H30/40 , G06T7/00 , G06T7/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种新的基于注意力卷积神经网络的胸部x射线图像检测(AT‑XDD)方法，包括以下：构建检测模型，所述检测模型包括：数据预处理模块、注意力卷积神经网络AT‑CNN模块；所述注意力卷积神经网络AT‑CNN模块包括特征提取单元、特征融合单元和基于注意力引导的数据增强单元；利用检测模型实现对胸部x射线图像的检测：将胸部医学原始数据输入至数据预处理模块，得到预处理后的数据；将预处理后的数据输入至注意力卷积神经网络AT‑CNN模块，得到最终的胸部x射线图像。本发明大大增强了基于注意力卷积神经网络(CNN)的胸部x射线图像检测(AT‑XDD)模型的性能，同时提高了胸部x射线图像检测的精度和效率。
-
公开(公告)号：CN115035055B
公开(公告)日：2025-01-03
申请号：CN202210588370.6
申请日：2022-05-27
Applicant: 中国地质大学(武汉) , 华中科技大学同济医学院附属同济医院
IPC: G06T7/00 , G06T5/50 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种基于注意力机制的循环一致性对抗网络的肺炎检测方法，包括图像合成和图像检测步骤；合成模块由AttenCycleGAN构成，包括：随机数据增强单元、注意力引导合成的生成器和判别器；检测模块包括：自动数据增强单元、特征提取单元、基于注意力引导的数据增强单元、BAP特征融合单元；利用图像模型对肺炎X光射线进行合成以实现数据集的扩充：将正常的图像输入合成模块中，经生成器得到合成的肺炎X光射线图像，并增加到肺部医学原始图像得到扩充后的肺部医学数据集；然后输入至检测模块，得到最终的肺部X射线图像。本发明极大地提高了基于注意力卷积神经网络的肺炎X射线图像检测模型的性能，同时提高了肺炎检测的精度和效率。
-
公开(公告)号：CN115035055A
公开(公告)日：2022-09-09
申请号：CN202210588370.6
申请日：2022-05-27
Applicant: 中国地质大学(武汉) , 华中科技大学同济医学院附属同济医院
IPC: G06T7/00 , G06T5/50 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种基于注意力机制的循环一致性对抗网络的肺炎检测方法，包括图像合成和图像检测步骤；合成模块由AttenCycleGAN构成，包括：随机数据增强单元、注意力引导合成的生成器和判别器；检测模块包括：自动数据增强单元、特征提取单元、基于注意力引导的数据增强单元、BAP特征融合单元；利用图像模型对肺炎X光射线进行合成以实现数据集的扩充：将正常的图像输入合成模块中，经生成器得到合成的肺炎X光射线图像，并增加到肺部医学原始图像得到扩充后的肺部医学数据集；然后输入至检测模块，得到最终的肺部X射线图像。本发明极大地提高了基于注意力卷积神经网络的肺炎X射线图像检测模型的性能，同时提高了肺炎检测的精度和效率。
-
公开(公告)号：CN113610757A
公开(公告)日：2021-11-05
申请号：CN202110751986.6
申请日：2021-07-02
Applicant: 华中科技大学同济医学院附属同济医院 , 中国地质大学(武汉)
Abstract: 本发明提供了一种基于细粒度的医学x射线肺部图像检测方法，包括以下：构建检测模型，包括：特征提取模块、注意力引导数据增强模块、BAP特征融合模块；利用检测模型实现肺部图像检测：获取原始肺部图像样本数据，将原始数据输入至特征提取模块，得到图像特征和注意力地图；将注意力地图输入至注意力引导数据增强模块进行数据增强；将增强数据和原始数据输入至所述特征提取模块中进行训练，得到训练后的注意力地图和图像特征；利用BAP特征融合模块进行融合，得到融合特征；将融合特征输入全连接层，得到最终的检测结果。本发明大大提高了医学x射线图像检测的精度和效率，避免了因为环境条件或是主观判断等因素影响检测结果的准确性。
-
-
-
Search Results
4
records
(took 0.043 seconds)
