申请/专利权人：福州大学;福建医科大学附属协和医院

申请日：2023-05-17

公开（公告）日：2023-12-22

公开（公告）号：CN116739992B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T5/50;G06T5/30;G06T3/40;G06N3/0464;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.12.22#授权;2023.09.29#实质审查的生效;2023.09.12#公开

摘要：本发明涉及一种甲状腺被膜侵犯智能辅助判读方法。该方法主要采用本研究自行提出的一种提供高效的局部‑全局融合与Transformer和CNN并行网络的生物医学图像分割方法。本研究提出的模型使用方便，输入一张甲状腺超声图片，即可输出一张有着疑似甲状腺结节的定位和分割图片，自动化的得到甲状腺结节初步判读结果，能够大大的减轻医生的阅片时间和诊断难度，提升医生的工作效率，为判断甲状腺结节患者的预后及治疗手段的改善提到积极的作用，具有非常重要的意义和广阔的前景。

主权项：1.一种甲状腺被膜侵犯智能辅助判读方法，其特征在于，将划分好的训练集分别输入Transformer编码器和EfficietNet编码器中，得到的部分中间特征和最终编码特征分别通过CSE模块进行特征融合，且最终编码特征通过CSE模块进行特征融合的输出导入一个残差结构中进行上下文语义特征提取，各级特征以残差形式输入解码器中，得到最终解码输出；同时，上下文语义提取后可通过一个全局平均池化和一个全连接层得到一个初步判别结果，所述训练集为输入的甲状腺超声图片集合，所述初步判别结果为疑似甲状腺结节定位和分割的图片；所述CSE模块用于实现特征融合，其具体实现如下：首先，对Transformer编码器和EfficietNet编码器两个编码分支中提取出来的特征进行平均池化处理，并通过多层感知机处理后进行通道拼接；接着，将拼接后的特征矩阵与Transformer编码器的编码输出做点乘处理得到浅层融合特征；对EfficietNet编码器提取出的特征进行最大池化和平均池化处理后进行卷积和sigmoid平滑处理后得到的特征和浅层融合特征进行通道拼接得到深层融合特征；最后，对深层融合特征进行残差处理得到最终交互特征。

全文数据：

权利要求：

百度查询： 福州大学;福建医科大学附属协和医院 一种甲状腺被膜侵犯智能辅助判读方法

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