申请/专利权人:西北工业大学
申请日:2023-12-22
公开(公告)日:2024-04-16
公开(公告)号:CN117893547A
主分类号:G06T7/11
分类号:G06T7/11;G06V10/764;G06V10/80;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本公开实施例是关于一种基于多个并行Transformer支路神经网络的医学影像分割方法。本公开利用卷积网络的固有多尺度特性,通过池化层或跨步卷积层逐步降低输出特征图的空间分辨率,以从不同阶段的子残差网络中提取多尺度局部特征图;然后构建Transformer支路网络以利用自注意力机制获取全局上下文信息。在卷积网络部分的多层级局部特征图上,搭建多个并行的Transformer支路网络,从而获得多尺度的全局特征图;最后利用长跳跃连接和大尺度线性上采样将多个并行支路中的局部特征图和全局特征图进行相加融合得到目标融合特征图。融合后的目标融合特征图含有多尺度局部和全局特征,从而有助于多尺度器官的精确分割。
主权项:1.一种基于多个并行Transformer支路神经网络的医学影像分割方法,其特征在于,该方法包括:利用卷积网络模块对医学影像数据集进行局部特征提取,以得到若干个不同尺度的局部特征图,所述卷积网络模块包括若干个串联的残差神经网络ResNet-50;利用自注意力机制构建多头自注意力层,并搭建Transformer支路;在各个所述串联的残差神经网络ResNet-50上分别搭建若干个并行的所述Transformer支路,利用多个所述Transformer支路获取多个不同尺度的全局特征图;利用长跳跃连接将各个支路对应的所述局部特征图和所述全局特征图进行融合,以得到多个不同尺度的初始融合特征图;将多个所述初始融合特征图进行融合,以得到目标融合特征图,并利用分割模块得到分割图。
全文数据:
权利要求:
百度查询: 西北工业大学 一种基于多个并行Transformer支路神经网络的医学影像分割方法
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。