申请/专利权人：广东海洋大学

申请日：2024-02-06

公开（公告）日：2024-03-15

公开（公告）号：CN117710760A

主分类号：G06V10/764

分类号：G06V10/764;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08;G06T7/00;G06V10/44;G06V10/72;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明提供一种残差的注意神经网络用于胸部X线病灶检测的方法，所述方法在获取医疗场景胸部X光图像数据后，构建包括编码器RAMNet、多分支特征融合模块MFFM和收缩与扩张模块CAEB的CXR图像病灶检测模型，利用编码器RAMNet对胸部X光图像提取特征信息，将提取后的特征经过多分支特征融合模块MFFM得到多分支融合的多尺度特征，将深层CAEB输出的集成上下文信息的特征，通过上采样与多尺度特征进行融合，对最终输出的特征图进行进一步检测，并预测病灶的类别信息，所述方法在参数量适中的情况下，具备较高的准确率，满足临床中帮助放射科医生进行肺部疾病诊断的需求，有效缓解当前CXR病灶检测中检测精度低，资源消耗大的问题。

主权项：1.一种残差的注意神经网络用于胸部X线病灶检测的方法，其特征在于，所述方法包括以下步骤：S1、获取医疗场景胸部X光图像数据，对胸部X光图像数据进行数据清洗和预处理，然后将经过预处理的胸部X光图像数据划分为训练数据、验证数据和待检测数据；S2、构建CXR图像病灶检测模型；S3、将训练数据分批量输入CXR图像病灶检测模型中进行训练，在训练过程中使用验证数据对CXR图像病灶检测模型进行评估，基于梯度下降算法对CXR图像病灶检测模型参数进行迭代优化，得到训练好的CXR图像病灶检测模型；S4、将待检测数据输入训练好的CXR图像病灶检测模型中进行病灶识别，输出病灶检测结果、病灶类别和病灶区域的精确位置。

全文数据：

权利要求：

百度查询： 广东海洋大学 残差的注意神经网络用于胸部X线病灶检测的方法

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