申请/专利权人：南昌航空大学

申请日：2024-04-01

公开（公告）日：2024-05-03

公开（公告）号：CN117974832A

主分类号：G06T11/00

分类号：G06T11/00;G06N3/0475;G06N3/045;G06N3/094;G06N3/0442;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明公开了基于生成对抗网络的多模态肝脏医学图像扩充算法，方法为：获取数据集并进行预处理；制作训练数据集；构建多尺度残差连接模块；构建多级损失函数模块；构建通道增强自注意力模块；构建门控卷积模块；结合多尺度残差连接模块、多级损失函数模块、通道增强自注意力模块和门控卷积模块；构建多模态肝脏医学图像数据集扩充模型，对多模态肝脏医学图像数据集扩充模型进行实验和评估。本发明能够高效的生成大量高质量的多种模态的肝脏医学图像用于扩充现有的医学图像数据，缓解目前可公开获取且可用的肝脏医学图像数据稀缺的情况。

主权项：1.基于生成对抗网络的多模态肝脏医学图像扩充算法，其特征是：方法步骤如下：步骤S1：获取数据集，并对数据集中的计算机断层扫描图像数据进行预处理；步骤S2：基于步骤S1预处理后的数据集，制作训练数据集；步骤S3：基于步骤S2制作的训练数据集，构建多尺度残差连接模块，防止训练数据集网络退化；步骤S4：基于步骤S2制作的训练数据集的结构和多层次特征，构建多级损失函数模块；步骤S5：整合步骤S2制作的训练数据集中的位置信息和捕捉中长距离的依赖关系，构建通道增强自注意力模块；步骤S6：消除步骤S3至步骤S5带来的参数量增加，构建门控卷积模块；步骤S7：结合步骤S3的多尺度残差连接模块、步骤S4的多级损失函数模块、步骤S5的通道增强自注意力模块和步骤S6的门控卷积模块；构建多模态肝脏医学图像数据集扩充模型，对多模态肝脏医学图像数据集扩充模型进行实验和评估；步骤S3中多尺度残差连接模块，具体为：采用3×3、5×5和7×7卷积核来形成多尺度残差连接模块；将3×3卷积核中提取的特征图、5×5卷积核中提取的特征图和7×7卷积核中提取的特征图连接起来，并使用3×3的卷积核融合连接的特征，得到多尺度卷积模块输出的特征即获得的新特征图F；基于获得的新特征图F得到多尺度残差连接模块；步骤S4中构建多级损失函数模块，具体为：多级损失函数模块包括感知损失、内容损失和对抗损失三部分组成；内容损失关注于生成图像与真实图像在特定层的表示上的相似性，通过计算生成图像与真实图像在生成器的某一中间层的特征差异来实现；对抗损失区分开生成图像与真实图像；通过组合感知损失、内容损失和对抗损失得到最终的多级损失。

全文数据：

权利要求：

百度查询： 南昌航空大学 基于生成对抗网络的多模态肝脏医学图像扩充算法

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