公开(公告)号：CN113393446A

公开(公告)日：2021-09-14

申请号：CN202110687012.6

申请日：2021-06-21

Applicant: 湖南大学

Inventor： 刘敏 ,  何文轩 ,  张雨强 ,  陈伟迅 ,  王耀南

IPC: G06T7/00 ,  G06T5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于注意力机制的卷积神经网络医学图像关键点检测方法，包括如下步骤：构建基于注意力机制的O型卷积神经网络，其包括注意力模块、关键点检测分支和局部增强分支；局部增强分支用于局部前景增强和结构提取；局部增强分支和关键点检测分支对不同层次的信息编码解码来生成热图；本发明利用注意力模块将局部增强分支的特征图引入关键点检测分支；将训练集数据输入到O型卷积神经网络进行训练，将测试集数据数据输入到学习后的O型卷积神经网络得到关键点热图，对关键点热图进行局部最大值提取，得到关键点的坐标。本发明直接在原始图像上执行，更加稳健和准确，能更加有效地整合局部结构特征和上下文信息，并检测细分支的关键点。

公开(公告)号：CN114693935A

公开(公告)日：2022-07-01

申请号：CN202210395449.7

申请日：2022-04-15

Applicant: 湖南大学

Inventor： 刘敏 ,  刘庆浩 ,  何文轩 ,  丁仁杰 ,  王耀南

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06T7/10

Abstract: 本发明公开了一种基于自动数据增广的医学图像分割方法，包括：S1、将原始训练集按照设定比例随机划分为训练集和验证集；S2、构建数据增广搜索空间，得到采样子策略；S3、将采样子策略在训练集上进行训练，在每次迭代中，通过随机梯度下降更新网络权重，将更新后的网络权重用来计算验证集损失，通过近端迭代更新策略参数，当验证集损失最小时，得到数据增广子策略；S4、在重训练阶段，将数据增广子策略应用在原始训练集上进行数据增广，在增广后的训练集上进行训练，获得最优的网络权重，采用该网络权重进行推理，得到目标区域。本发明采用的算法在基本网络架构下实现了先进的性能，该算法的搜索策略的效率至少提高了一个数量级。

公开(公告)号：CN113393446B

公开(公告)日：2022-04-15

申请号：CN202110687012.6

申请日：2021-06-21

Applicant: 湖南大学

Inventor： 刘敏 ,  何文轩 ,  张雨强 ,  陈伟迅 ,  王耀南

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于注意力机制的卷积神经网络医学图像关键点检测方法，包括如下步骤：构建基于注意力机制的O型卷积神经网络，其包括注意力模块、关键点检测分支和局部增强分支；局部增强分支用于局部前景增强和结构提取；局部增强分支和关键点检测分支对不同层次的信息编码解码来生成热图；本发明利用注意力模块将局部增强分支的特征图引入关键点检测分支；将训练集数据输入到O型卷积神经网络进行训练，将测试集数据数据输入到学习后的O型卷积神经网络得到关键点热图，对关键点热图进行局部最大值提取，得到关键点的坐标。本发明直接在原始图像上执行，更加稳健和准确，能更加有效地整合局部结构特征和上下文信息，并检测细分支的关键点。