申请/专利权人:上海交通大学
申请日:2023-12-29
公开(公告)日:2024-03-22
公开(公告)号:CN117745526A
主分类号:G06T3/04
分类号:G06T3/04;G06T11/00;G06V10/42;G06V10/44;G06N3/0455;G06N3/0464;G06N3/0475;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本申请涉及图像处理和人工智能,公开了一种基于注意力多分支结构的医学图像合成方法及系统,为了改善小解剖结构,如脑部或肝脏中肿瘤的生成效果,本申请提出了一个包含卷积和注意力机制的多分支医学图像合成模型。此模型通过融合不同分支的特征,能够有效地学习图像的局部和整体特征。这种方法使得模型可以更准确地合成包含不同解剖尺度的结构信息,例如器官和肿瘤尺度的细节。针对现有技术中算力的浪费问题,本发明采用基于图像块的对比损失函数。这种方法使得模型只需使用一对生成器和鉴别器,从而降低了计算资源的需求。同时本申请使用一种基于外部注意力机制的特征提取方法,大幅减少了模型的计算时间,并显著降低了对算力的需求。
主权项:1.一种基于注意力多分支结构的医学图像合成方法,其特征在于,包含:获取肿瘤患者的磁共振MR和计算机断层扫描CT图像数据;构建一个基于多分支生成对抗网络的医学图像合成模型,所述模型包括一个生成器和一个判别器,其中,所述生成器包含编码器模块、注意力多分支特征提取模块和解码器模块,其中,所述注意力多分支特征提取模块包含不同核大小的卷积神经网络分支,残差连接分支和外部注意力机制分支,所述卷积神经网络分支用于学习所述MR图像数据的局部特征,所述外部注意力机制分支用于学习所述MR图像数据的全局特征;将预处理后的磁共振MR图像数据输入生成器,输出合成的CT图像,同时利用肿瘤患者真实的CT图像在判别器中进行训练;采用对抗损失和基于图像块的对比损失对所述模型进行联合优化,其中,通过所述外部注意力机制降低所述模型的复杂度和对算力的要求。
全文数据:
权利要求:
百度查询: 上海交通大学 基于注意力多分支结构的医学图像合成方法及系统
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。