申请/专利权人：深圳大学

申请日：2023-11-28

公开（公告）日：2024-04-12

公开（公告）号：CN117876293A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/52;G06V10/44;G06V10/80;G06V10/82;G06N3/0455

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：本发明公开了基于多尺度频率特征融合Transformer模型的图像处理方法，所述方法包括：获取原始超声心动图，将所述原始超声心动图输入到多尺度频率特征融合Transformer模型，所述输入到多尺度频率特征融合Transformer模型包括多层编码器和多层解码器，每层编码器和解码器均包括多尺度块嵌入单元和分组频率特征融合Transformer块；所述编码器用于对图像进行编码处理得到原始数据的上下文语义特征；所述解码器用于对包含不同频率信息的语义特征进行解码处理得到解码特征；级联所有解码特征，得到所述原始超声心动图中解剖结构的分割预测掩码。本发明可以在减少信息冗余的情况下同步提取图像的局部与全局特征，可以避免全局范围内图像细节信息丢失，提高了图像分析的准确度。

主权项：1.一种基于多尺度频率特征融合Transformer模型的图像处理方法，其特征在于，所述基于多尺度频率特征融合Transformer模型的图像处理方法包括：获取原始超声心动图，将所述原始超声心动图输入到多尺度频率特征融合Transformer模型，其中，所述输入到多尺度频率特征融合Transformer模型包括第一层编码器、第二层编码器、第三层编码器、第四层编码器、第一层解码器、第二层解码器和第三层解码器；将所述原始超声心动图作为所述第一层编码器的输入，经所述第一层编码器得到第一层上下文特征，将所述第一层上下文特征作为所述第二层编码器的输入，经所述第二层编码器得到第二层上下文特征，将所述第二层上下文特征作为所述第三层编码器的输入，经所述第三层编码器得到第三层上下文特征，将所述第三层上下文特征作为所述第四层编码器的输入，经所述第四层编码器得到第四层上下文特征；将所述第四层编码器输出的第四层上下文特征与所述第三层编码器输出的第三层上下文特征级联作为所述第一层解码器的输入，经所述第一层解码器得到第一层解码特征，将所述第一层解码器的第一解码特征与所述第二层编码器输出的第二层上下文特征级联作为所述第二层解码器的输入，经所述第二层解码器得到第二层解码特征，将所述第二层解码器的第二层解码特征与所述第一层编码器输出的第一层上下文特征级联作为所述第三层解码器的输入，经所述第三层解码器得到第三层解码特征；级联所述第一层解码特征、所述第二层解码特征和所述第三层解码特征，得到所述原始超声心动图的分割预测掩码。

全文数据：

权利要求：

百度查询： 深圳大学 基于多尺度频率特征融合Transformer模型的图像处理方法

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