一种基于改进注意力模块的医疗影像分割方法及装置

    公开(公告)号:CN113793345B

    公开(公告)日:2023-10-31

    申请号:CN202111042489.5

    申请日:2021-09-07

    Abstract: 本发明公开了一种图像处理方法、装置、计算机设备及存储介质。该方法包括:获取目标图像的目标张量数据;将目标张量数据输入至目标神经网络模型,目标神经网络模型包括编码器、解码器和注意力模块;编码器用于根据目标张量数据进行降采样,得到第一特征矩阵;注意力模块用于根据第一特征矩阵进行空洞卷积,得到第二特征矩阵;根据第二特征矩阵确定原始注意力图;根据原始注意力图确定空洞注意力图;根据第一特征矩阵和空洞注意力图确定第三特征矩阵;将第三特征矩阵输出值解码器;解码器用于根据第三特征矩阵进行上采样,得到图像分割结果;根据目标神经网络模型的输出进行目标图像的分割反馈。能够提高图像分割的准确性。

    一种基于时序高维特征提取的多肺炎CT分类方法及装置

    公开(公告)号:CN113269230A

    公开(公告)日:2021-08-17

    申请号:CN202110440925.8

    申请日:2021-04-23

    Inventor: 曹加旺 冯瑞

    Abstract: 本发明提供了一种基于时序高维特征提取的多肺炎CT分类方法及装置,用于针对疑似患者CT影像进行分类,从而得到分类结果,其特征在于,对疑似患者CT影像进行预处理得到预处理影像,并利用肺炎分类模型对进行推断得到分类结果。其中,肺炎分类模型包括一阶段单张切片特征提取网络以及二阶段跨切片特征提取网络,一阶段单张切片特征提取网络对预处理影像进行特征提取,得到预处理影像中每张切片对应的特征图作为单张切片特征图,二阶段跨切片特征提取网络先从所有单张切片特征图中提取得到时序上下文融合特征,然后进行感受野增强,从而得到跨切片特征图,最后基于该跨切片特征图进行推断得到CAM激活图结果以及分类概率预测值。

    一种基于时序高维特征提取的多肺炎CT分类方法及装置

    公开(公告)号:CN113269230B

    公开(公告)日:2022-09-06

    申请号:CN202110440925.8

    申请日:2021-04-23

    Inventor: 曹加旺 冯瑞

    Abstract: 本发明提供了一种基于时序高维特征提取的多肺炎CT分类方法及装置,用于针对疑似患者CT影像进行分类,从而得到分类结果,其特征在于,对疑似患者CT影像进行预处理得到预处理影像,并利用肺炎分类模型对进行推断得到分类结果。其中,肺炎分类模型包括一阶段单张切片特征提取网络以及二阶段跨切片特征提取网络,一阶段单张切片特征提取网络对预处理影像进行特征提取,得到预处理影像中每张切片对应的特征图作为单张切片特征图,二阶段跨切片特征提取网络先从所有单张切片特征图中提取得到时序上下文融合特征,然后进行感受野增强,从而得到跨切片特征图,最后基于该跨切片特征图进行推断得到CAM激活图结果以及分类概率预测值。

    基于DenseNet的COVID-19患者的CT影像分类方法及装置

    公开(公告)号:CN112633404A

    公开(公告)日:2021-04-09

    申请号:CN202011608745.8

    申请日:2020-12-30

    Applicant: 复旦大学

    Abstract: 本发明提供了一种基于DenseNet的COVID‑19患者的CT影像分类方法及装置,用于根据COVID‑19疑似患者的计算机断层扫描图像进行分类得到分类结果,其特征在于,包括如下步骤:存储医疗影像信息;利用预处理方法进行预处理得到预处理数据;利用训练好的密集连接神经网络模型从预处理数据中获取深层信息以及浅层信息并进行融合得到融合特征向量;使用激活函数将融合特征向量映射到低维空间得到分类概率预测值;基于密集连接神经网络模型的内部参数以及计算机断层扫描图像获得CAM激活图;显示计算机断层扫描图像、分类概率预测值以及CAM激活图从而辅助医生进行诊断。本发明的方法及装置适用于疫情地区的早期筛查阶段,不仅能改善核算检测假阴性过高的问题,还能提高诊断效率。

    一种基于改进注意力模块的医疗影像分割方法及装置

    公开(公告)号:CN113793345A

    公开(公告)日:2021-12-14

    申请号:CN202111042489.5

    申请日:2021-09-07

    Abstract: 本发明公开了一种图像处理方法、装置、计算机设备及存储介质。该方法包括:获取目标图像的目标张量数据;将目标张量数据输入至目标神经网络模型,目标神经网络模型包括编码器、解码器和注意力模块;编码器用于根据目标张量数据进行降采样,得到第一特征矩阵;注意力模块用于根据第一特征矩阵进行空洞卷积,得到第二特征矩阵;根据第二特征矩阵确定原始注意力图;根据原始注意力图确定空洞注意力图;根据第一特征矩阵和空洞注意力图确定第三特征矩阵;将第三特征矩阵输出值解码器;解码器用于根据第三特征矩阵进行上采样,得到图像分割结果;根据目标神经网络模型的输出进行目标图像的分割反馈。能够提高图像分割的准确性。

Patent Agency Ranking