基于GLNET和自注意力的心脏超声图像识别方法
摘要文本
本发明公开了基于GLNet和自注意力的心脏超声图像识别方法，包括以下步骤：在GLNet基础上引入Transformer来帮助局部块捕获全局依赖关系，包括多个GL层，每个GL层包括一个GL block和1个RepConv，GL block包括多个RepConv和1个Transformer，对输入特征中的全局和局部信息进行建模，给定一个输入张量，局部空间信息由n×n卷积进行编码，然后使用逐点卷积扩展特征维度；训练后，冻结投影头，并仅使用编码器GLNet和表示对不同的超声心动图进行分类。本发明设计了混合CNN‑Transformer架构GLNet，通过从局部到全局的扩散机制解决了CNN的全局表示弱和Transformer缺乏局部信息的问题。 关注公众号专利查询网
申请人信息
- 申请人:苏州鑫康成医疗科技有限公司
- 申请人地址:215300 江苏省苏州市昆山开发区前进东路科技广场大楼805室
- 发明人: 苏州鑫康成医疗科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于GLNET和自注意力的心脏超声图像识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311451252.1 |
| 申请日 | 2023/11/3 |
| 公告号 | CN117437518A |
| 公开日 | 2024/1/23 |
| IPC主分类号 | G06V10/82 |
| 权利人 | 苏州鑫康成医疗科技有限公司 |
| 发明人 | 王浩; 常瀛修; 裘玮晶 |
| 地址 | 江苏省苏州市昆山开发区前进东路科技广场大楼805室 |
专利主权项内容
1.基于GLNet和自注意力的心脏超声图像识别方法，其特征在于，包括以下步骤：建立一个视觉表示对比学习框架；所述对比学习框架在GLNet基础上引入Transformer来帮助局部块捕获全局依赖关系，包括多个GL层，每个GL层包括一个GL block和1个RepConv，所述GL block包括多个RepConv和1个Transformer，对输入特征中的全局和局部信息进行建模，给定一个输入张量X∈R，局部空间信息由n×n卷积进行编码，然后使用逐点卷积扩展特征维度X1∈R；W×H×CW×H×d训练中，通过减少正对样本之间的距离来进行对比学习；训练后，冻结投影头，并仅使用编码器GLNet和表示对不同的超声心动图进行分类；对同一图像进行数据增强无法提供如下情况：同一图像的不同视图、或同一对象的变体、或同一类别中的其他相似实体之一时，使用两个数据增强嵌入(z, z)作为正对，负样本来自同一批次中的其他图像，z是在编码器和投影头之后获得的表示。ii+