-
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
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：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
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：CN111435532B
公开(公告)日：2021-06-22
申请号：CN201910029830.X
申请日：2019-01-14
Applicant: 湖南大学
Abstract: 本发明公开了一种数字图像中树状结构末梢点的检测方法，二维末梢点检测步骤为：步骤1、检测二维图像中的二维高曲率点，将其作为候选二维末梢点；步骤2、检测树状结构在各候选二维末梢点周围的局部直径；步骤3、基于多尺度发散射线模型从候选二维末梢点中检测出真正的二维末梢点。三维末梢点检测步骤为：首先，从三维图像中提取一组二维切片图像，检测出每个二维切片图像中的二维末梢点，将检测出的二维末梢点作为候选三维末梢点；然后，基于末梢点视觉先验从候选三维末梢点中检测出真正的三维末梢点。本发明检测准确率高。
-
公开(公告)号：CN111435532A
公开(公告)日：2020-07-21
申请号：CN201910029830.X
申请日：2019-01-14
Applicant: 湖南大学
Abstract: 本发明公开了一种数字图像中树状结构末梢点的检测方法，二维末梢点检测步骤为：步骤1、检测二维图像中的二维高曲率点，将其作为候选二维末梢点；步骤2、检测树状结构在各候选二维末梢点周围的局部直径；步骤3、基于多尺度发散射线模型从候选二维末梢点中检测出真正的二维末梢点。三维末梢点检测步骤为：首先，从三维图像中提取一组二维切片图像，检测出每个二维切片图像中的二维末梢点，将检测出的二维末梢点作为候选三维末梢点；然后，基于末梢点视觉先验从候选三维末梢点中检测出真正的三维末梢点。本发明检测准确率高。
-
-
-
Search Results
4
records
(took 0.015 seconds)
