申请/专利权人：重庆理工大学

申请日：2023-12-08

公开（公告）日：2024-04-02

公开（公告）号：CN117809081A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/52;G06V10/80;G06V10/774;G06V10/82;G06N3/0455;G06N3/0464;G06N3/0895;G06T7/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了基于多中心原型和伪标签的磁共振图像检测方法，涉及磁共振图像检测技术领域。本发明包括基于多尺度特征提取和自适应特征融合，采用3DCNN作为骨干网络进行特征提取，在骨干网络中融合CNN和transformer，构成多尺度特征提取和融合模块，所述多尺度特征提取和融合模块采用跨多层的特征融合来有效地提取和探索图像特征，提高分类性能，并搭建自适应特征融合模块对CNN和Transformer提取的特征进行有效建模和融合。本发明为了能够获得不同尺度的语义特征，更全面地捕捉医学图像的复杂模式，将CNN和Transformer进行结合，利用二者的优点有助于优化在增强图像特征提取方面的协同优势，以充分发挥来自两种模型架构的精细化集成信息。有别于其他方法的仅使用CNN或Transformer来提取特征。

主权项：1.基于多中心原型和伪标签的磁共振图像检测方法，其特征在于：至少包括以下步骤：S1：基于多尺度特征提取和自适应特征融合，采用3DCNN作为骨干网络进行特征提取，在骨干网络中融合CNN和transformer，构成多尺度特征提取和融合模块，所述多尺度特征提取和融合模块采用跨多层的特征融合来有效地提取和探索图像特征，提高分类性能，并搭建自适应特征融合模块对CNN和Transformer提取的特征进行有效建模和融合；S2：采用多中心原型和伪标记策略，利用原型学习进行伪标签获取，确保创建高质量的伪标签，且使伪标签优化，面对噪声标签的鲁棒性，以及实现跨新领域的鲁棒泛化，采用基于特征原型的伪标记策略，促进知识转移和利用预训练模型的潜力，引入全局类间平衡抽样方法，聚合了来自所有类别的潜在数据样本，以确保模型的预测能力对任何特定类别保持公正；S3：无源域适应损失优化，在特征提取和融合后使用了三个全连接层的分类器，并在此基础上计算模型损失。

全文数据：

权利要求：

百度查询： 重庆理工大学 基于多中心原型和伪标签的磁共振图像检测方法

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