[发明专利]基于注意力机制的残差型全卷积神经网络的医学图像分割方法有效
| 申请号： | 201910454206.4 | 申请日： | 2019-05-28 |
| 公开（公告）号： | CN110189334B | 公开（公告）日： | 2022-08-09 |
| 发明（设计）人： | 胡晓飞;谢文鑫;苑金辉 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11 |
| 代理公司： | 南京正联知识产权代理有限公司 32243 | 代理人： | 王素琴 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于注意力机制的残差型全卷积神经网络的医学图像分割方法，对待分割的医学图像进行预处理；构建基于注意力机制的残差型全卷积神经网络，包括特征图收缩网络、注意力网络、特征图扩张网络组；将训练集数据输入残差型全卷积神经网络进行训练得到学习后的卷积神经网络模型；将测试集数据输入所得学习后的卷积神经网络模型，进行图像分割，得到分割后的图像；该方法利用注意力网络将特征图收缩网络中提取的图像特征有效的传递给特征图扩张网络，解决了在图像反卷积过程中，缺乏图像的空间特征的问题，同时注意力网络还能够抑制低层特征图中与分割目标不相关的图像区域，减小了图像的冗余，同时也增加了图像分割的准确率。 | ||
| 搜索关键词： | 基于 注意力 机制 残差型全 卷积 神经网络 医学 图像 分割 方法 | ||
【主权项】：
1.一种基于注意力机制的残差型全卷积神经网络的医学图像分割方法，其特征在于：包括以下步骤，S1、对待分割的医学图像进行预处理，得到训练集数据、验证集数据和测试集数据；S2、构建基于注意力机制的残差型全卷积神经网络，包括特征图收缩网络、注意力网络、特征图扩张网络组，其中，特征图收缩网络用于对原始输入图像的特征提取，得到图像特征信息；特征图扩张网络用于对特征图收缩网络提供的图像特征信息的基础上，预测出与原始图像尺寸大小相同的分割图像；注意力网络用于将每层特征图收缩网络中图像特征传递给特征图扩张网络；S3、将训练集数据输入残差型全卷积神经网络进行训练，得到学习后的卷积神经网络模型；S4、将测试集数据输入步骤S3所得学习后的卷积神经网络模型，进行图像分割，得到分割后的图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910454206.4/，转载请声明来源钻瓜专利网。
