申请/专利权人：杭州电子科技大学

申请日：2024-01-17

公开（公告）日：2024-04-12

公开（公告）号：CN117876689A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/42;G06V10/52;G06V10/774;G06V10/80;G06V10/82;G06N3/045;G06N3/0442;G06N3/0464;G06N3/08

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：本发明公开了一种基于多注意力和空洞卷积的脑卒中图像分割方法，该方法首先将图像输入由k个卷积单元构成的下采样模块，每个卷积单元输出特征Fi。其次将提取的前k‑1个不同层级特征Fi分别输入到多空洞卷积跳跃连接模块提取特征然后对第k个卷积单元输出的特征Fk进行线性映射，输入视觉Transformer模块，再进行卷积和反卷积，得到特征fk‑1。最后将特征fk‑1和第k‑1个多空洞卷积跳跃连接模块提取的特征在通道维度级联，输入上采样模块，得到输入图像的分割结果。本发明增强了模型对于细节纹理和全局语义信息的提取，有效地解决脑卒中图像分割任务中存在的问题。

主权项：1.一种基于多注意力和空洞卷积的脑卒中图像分割方法，其特征在于，包括以下步骤：S1.将数据集划分为训练集和测试集，并采用插值法将数据集中的待分割图像缩放至统一的空间分辨率；S2.将训练集中的图像输入到下采样模块，下采样模块由k个卷积单元构成，每个卷积单元i输出特征Fi，i∈[1，k]；S3.将步骤S2所提取的前k-1个不同层级特征Fi分别输入到多空洞卷积跳跃连接模块，提取特征S4.对下采样模块中的第k个卷积单元所输出的特征Fk进行线性映射，然后输入到视觉Transformer模块，通过n层Transformer编码器提取全局特征，再进行卷积操作和反卷积操作，得到输出特征fk-1；S5.将输出特征fk-1和第k-1个多空洞卷积跳跃连接模块提取的特征在通道维度进行级联，将级联后的特征输入上采样模块，得到输入图像的分割结果。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于多注意力和空洞卷积的脑卒中图像分割方法

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