申请/专利权人：四川大学

申请日：2024-01-04

公开（公告）日：2024-04-12

公开（公告）号：CN117876767A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/77;G06V10/80;G06V10/44;G06V10/82;G06T7/00;G06N3/045;G06N3/0464;G06N3/084;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开一种结合子空间注意力的基于度量的医学内镜图像分类算法，针对解决内镜镜检成像过程中因各种复杂因素造成内镜图像中存在大量噪声，卷积神经网络提取的图像特征中包含的噪声信号扰乱了有效语义特征的空间分布，削弱了模型对关键语义特征的表示能力，导致分类精度下降的问题。包括：1采用基于度量的少样本学习方法训练模型；2将从网络结构高层提取的特征划分为多个特征子空间；3为每个特征子空间分别计算注意力分布和全局相关性，用以抑制子空间中的噪声并突出所表达的有效语义区域。本发明提出的图像分类方法可以让模型关注到内镜图像中不同的关键语义部位，抑制干扰性特征，增强对有效语义特征的表达能力，从而提高模型的分类精度。

主权项：1.结合子空间注意力的基于度量的医学内镜图像分类算法，其特征在于，包括如下步骤：步骤1：从医学内镜图像集上采样建立大量C-wayK-shot的少样本分类任务；步骤2：将步骤1的一个C-wayK-shot任务输入特征提取网络fθ，在特征提取网络结构高层的最后一个stage中运用子空间注意力机制，增强模型语义特征学习能力；步骤3，将步骤2得到的2g个新的特征子空间进行融合，得到语义增强的特征；步骤4：从结合了子空间注意力机制的特征提取网络fθ最终输出的图像特征Z中分离出支持集特征Zs和查询集特征Zq，计算支持集特征类原型： 步骤5：度量查询集特征与每个类原型的距离，并根据距离度量预测查询集图像所属病变类别概率： 其中，d表示欧式距离；步骤6：计算预测的查询集类别与其实际类别的交叉熵损失： 通过反向传播优化模型网络参数。

全文数据：

权利要求：

百度查询： 四川大学 结合子空间注意力的基于度量的医学内镜图像分类算法

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