← 返回列表
残差的注意神经网络用于胸部X线病灶检测的方法
申请人信息
- 申请人:广东海洋大学
- 申请人地址:524000 广东省湛江市麻章区海大路1号
- 发明人: 广东海洋大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 残差的注意神经网络用于胸部X线病灶检测的方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410167332.2 |
| 申请日 | 2024/2/6 |
| 公告号 | CN117710760A |
| 公开日 | 2024/3/15 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 广东海洋大学 |
| 发明人 | 彭祥; 肖秀春; 宋思阳; 朱衡德 |
| 地址 | 广东省湛江市麻章区海大路1号 |
摘要文本
本发明提供一种残差的注意神经网络用于胸部X线病灶检测的方法，所述方法在获取医疗场景胸部X光图像数据后，构建包括编码器RAMNet、多分支特征融合模块MFFM和收缩与扩张模块CAEB的CXR图像病灶检测模型，利用编码器RAMNet对胸部X光图像提取特征信息，将提取后的特征经过多分支特征融合模块MFFM得到多分支融合的多尺度特征，将深层CAEB输出的集成上下文信息的特征，通过上采样与多尺度特征进行融合，对最终输出的特征图进行进一步检测，并预测病灶的类别信息，所述方法在参数量适中的情况下，具备较高的准确率，满足临床中帮助放射科医生进行肺部疾病诊断的需求，有效缓解当前CXR病灶检测中检测精度低，资源消耗大的问题。
专利主权项内容
1.一种残差的注意神经网络用于胸部X线病灶检测的方法，其特征在于，所述方法包括以下步骤：S1、获取医疗场景胸部X光图像数据，对胸部X光图像数据进行数据清洗和预处理，然后将经过预处理的胸部X光图像数据划分为训练数据、验证数据和待检测数据；S2、构建CXR图像病灶检测模型；S3、将训练数据分批量输入CXR图像病灶检测模型中进行训练，在训练过程中使用验证数据对CXR图像病灶检测模型进行评估，基于梯度下降算法对CXR图像病灶检测模型参数进行迭代优化，得到训练好的CXR图像病灶检测模型；S4、将待检测数据输入训练好的CXR图像病灶检测模型中进行病灶识别，输出病灶检测结果、病灶类别和病灶区域的精确位置。