申请/专利权人:北京工商大学
申请日:2022-07-20
公开(公告)日:2022-09-23
公开(公告)号:CN115100042A
主分类号:G06T3/40
分类号:G06T3/40;G06V10/46;G06V10/80;G06V10/82;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.14#实质审查的生效;2022.09.23#公开
摘要:本发明提出一种基于通道注意力滞留网络的病理图像超分辨率方法,该方法基于通道注意力机制和残差结构建立了通道注意力滞留模块CARB,使用CARB串联构建通道注意力滞留模块CARB,用来提取病理图像特征,并使用跨越网络全局的残差连接增强网络特征,使用像素洗牌层放大所提取的网络特征,以得到不同放大倍数的病理图像结果。本发明提高了经过放大后的数字病理图像的清晰程度,有助于提高病理图像细胞分割、分类、检测任务的准确率,具有广泛的应用前景,能够节约数字病理图像在医疗诊断场景中硬件成本,容易推广。
主权项:1.一种基于通道注意力滞留网络的病理图像超分辨率方法,其特征在于,具体包括如下步骤:A.使用预采样坐标随机对全切片图像进行采样和格式转换,然后以空白像素面积和像素色彩空间平均距离作为条件,对病理图像数据进行筛选;B.构建用于病理图像超分辨率的深度学习方法,具体包括如下步骤:B1.构建通道注意力滞留模块CARB:CARB由两组图像特征提取模块和一组通道注意力特征滞留模块线性串联组成,并加入了跨越上述三个组成部分的残差连接;B2.构建通道注意力滞留网络CARN;具体包括:1对于任意的LR输入图像ILR,在输入网络之后,首先经过一个卷积层以初步提取特征;2图像特征由一定数量的CARB串联组成的卷积层与最初的网络特征进行融合,并由跨越所有CARB直到上采样模块之前的残差连接所完成;3使用三个卷积层和一个像素洗牌层构建上采样模块,该模块以2倍等比级别将网络特征放大到需要的倍数,最终得到输出结果IHR;B3.损失函数设计:损失函数LCARN则表示为:ICARRN=aLL1+bLMSE+cLSSIM其中,a,b,c分别是L1损失、MSE损失和SSIM损失的权重;C.训练网络CARN:使用步骤A所构建的数据集进行CARN的训练和测试。
全文数据:
权利要求:
百度查询: 北京工商大学 一种基于通道注意力滞留网络的病理图像超分辨率方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。