申请/专利权人：山东省人工智能研究院;山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)

申请日：2023-02-08

公开（公告）日：2023-09-08

公开（公告）号：CN116129143B

主分类号：G06V10/44

分类号：G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2023.09.08#授权;2023.06.02#实质审查的生效;2023.05.16#公开

摘要：一种基于串并联网络特征融合的边缘阔提取方法，属于医学影像边缘轮廓提取技术领域，科学有效的捕获了CTA影像轮廓细节信息，自动学习不同的特征权重，强化目标区域特征，又将不同分辨率的特征图转换为高分辨率特征图并融合，提高CTA影像轮廓清晰度，保证了信息的完整性。该网络结构并没有增加网络的横向深度，而是纵向扩展了网络，增加了模型的非线性，降低了相邻像素点的相关性，更有利于清晰边缘的提取。

主权项：1.一种基于串并联网络特征融合的边缘阔提取方法，其特征在于，包括如下步骤：a遍历预处理后的冠脉CTA图像；b建立串并联特征提取网络，串并联特征提取网络依次水平方向串联层和竖直方向并联层构成，将预处理后的冠脉CTA图像输入到串并联特征提取网络，得到注意力特征图；c将注意力特征图输入到Weight模块中，输出得到不同尺度的特征图；d将不同尺度的特征图输入到RC模块中，得到各并联层级的高分辨率特征图；e将各并联层级高分辨率特征图进行融合相加，得到聚合后的特征图，将聚合后的特征图输入到卷积层中，得到输出轮廓清晰度提高的CTA影像；步骤b中水平方向串联层的处理步骤为：b-1.1将预处理后的冠脉CTA图像Q依次输入第一卷积层、第二卷积层、ReLU激活函数层后输出得到特征图b-1.2将特征图输入到2×2的最大池化层中，得到特征图b-1.3将特征图依次输入到第三卷积层、第四卷积层、ReLU激活函数层后输出得到特征图b-1.4将特征图输入到2×2的最大池化层中，得到特征图b-1.5将特征图依次输入到第五卷积层、第六卷积层、第七卷积层、ReLU激活函数层后输出得到特征图b-1.6将特征图输入到2×2的最大池化层中，得到特征图b-1.7将特征图依次输入到第八卷积层、第九卷积层、第十卷积层、ReLU激活函数层后输出得到特征图b-1.8将特征图输入到2×2的最大池化层中，得到特征图b-1.9将特征图依次输入到第十一卷积层、第十二卷积层、第十三卷积层、ReLU激活函数层后输出得到特征图

全文数据：

权利要求：

百度查询： 山东省人工智能研究院;山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院) 一种基于串并联网络特征融合的边缘阔提取方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD