公开(公告)号：CN113450364A

公开(公告)日：2021-09-28

申请号：CN202110728463.X

申请日：2021-06-29

Applicant: 湖南大学

Inventor： 刘敏 ,  樊家旺 ,  王烜 ,  汪嘉正 ,  王耀南

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明具体涉及一种基于三维通量模型的树状结构中心线提取方法，包括：构建数据集，将原图随机采样生成子图；使用3D Tubular Flux模型，计算前景点的空间距离和方向信息，生成其相对于中心线的位置信息编码通量特征，作为监督信息；使用三维卷积神经网络进行特征学习，生成结构信息通量特征，使用CBAM加强通道的探索，使用CSP模块减少其计算量；使用轻量级U‑Net网络进行自适应的中心线预测，并生成双通道概率图；空间加权平均策略处理双通道概率图，生成更加精细的中心线；求三维卷积神经网络加权均方误差损失与轻量级U‑Net网络Dice损失并求和，然后将其联合训练。本发明实现了端到端的树状结构中心线提取方法，从而准确高效的完成树状结构中心线提取。

公开(公告)号：CN113450364B

公开(公告)日：2022-05-13

申请号：CN202110728463.X

申请日：2021-06-29

Applicant: 湖南大学

Inventor： 刘敏 ,  樊家旺 ,  王烜 ,  汪嘉正 ,  王耀南

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明具体涉及一种基于三维通量模型的树状结构中心线提取方法，包括：构建数据集，将原图随机采样生成子图；使用3D Tubular Flux模型，计算前景点的空间距离和方向信息，生成其相对于中心线的位置信息编码通量特征，作为监督信息；使用三维卷积神经网络进行特征学习，生成结构信息通量特征，使用CBAM加强通道的探索，使用CSP模块减少其计算量；使用轻量级U‑Net网络进行自适应的中心线预测，并生成双通道概率图；空间加权平均策略处理双通道概率图，生成更加精细的中心线；求三维卷积神经网络加权均方误差损失与轻量级U‑Net网络Dice损失并求和，然后将其联合训练。本发明实现了端到端的树状结构中心线提取方法，从而准确高效的完成树状结构中心线提取。