申请/专利权人：北京工业大学

申请日：2021-08-27

公开（公告）日：2024-05-28

公开（公告）号：CN113850760B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06V10/774;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2022.01.14#实质审查的生效;2021.12.28#公开

摘要：一种耳部CT影像前庭检测方法属于计算机视觉和医学影像处理领域。首先，专门设计了一个专用的前庭分割网络，可以进行前庭的准确分割。然后基于前庭分割结果，采用主成分分析算法进行前庭横径的自动测量。本发明设计了一种专用的分割网络，对前庭结构进行准确分割和检测。

主权项：1.一种耳部CT影像前庭检测方法，其特征在于：采用编码器-解码器作为分割网络的基本架构进行前庭分割，然后在分割结果上进行前庭横径的自动测量；a编码器部分在编码器部分，网络经过下采样操作和编码器模块来逐渐减小特征图的空间尺寸并获得底层的语义信息；在编码器模块中，采用了基于注意力机制的特征通道选择策略，设计了一种SE-Residual块，作为基本单元构建了编码器网络，作为主干网络；SE-Residual块融合了基于通道注意力机制的特征通道激发与压缩模块，即SE模块；b全局上下文感知金字塔特征提取模块在编码器和解码器之间采用了全局上下文感知金字塔特征提取模块；在该模块中，使用到了不同采样率的空洞卷积来捕捉全局信息下的多尺度空间上下文信息；除此之外，还使用到平均池化操作，其目的是为了进一步融合图像全局信息，保留住一些具有不变性的特征；c解码器部分在解码器部分，使用解码器块对特征图进行上采样操作；在解码器块中，使用转置卷积操作来逐步放大图像到原始尺寸，从而逐步修复前庭的细节信息；同时，在每一个解码器阶段使用跳跃连接操作，将编码器特征与解码器的特征充分融合，改善由于上采样导致的信息不足问题；d分割网络的损失函数采用了DICE损失函数；DICE损失函数本质上是衡量两个样本的重叠部分，取值范围在0到1之间，取值越大表示越相似；损失函数如公式1所示； X表示网络的预测结果，Y表示标注图像，n表示分类种类；xi，yi分别表示预测结果和标注图像里每个位置的像素值；使用了深度监督机制来训练前庭分割模型；深度监督机制来源于网络的两个部分，一是将编码器第一级隐藏层的输出进行上采样操作，然后进行1×1卷积和SoftMax分类器，获得来自编码器的辅助预测结果；二是将解码器第三级隐藏层的输出进行上采样操作，然后进行1×1卷积并且使用SoftMax分类器，获得来自解码器的辅助预测结果；最后将这两个分支的预测结果和主干网络的损失函数结合起来，作为整体网络的联合损失函数进行网络的训练；总的损失函数如公式2所示：Lsum＝λmLm+λa1La1+λa2La22其中Lm为分割网络输出结果与标注图像之间的DICE损失，La1和La2分别为编码器第一层预测输出a1和解码器第三层预测输出a2与标注图像之间的DICE损失；λm设为0.8，λa1和λa2分别设为0.1。

全文数据：

权利要求：

百度查询： 北京工业大学 一种耳部CT影像前庭检测方法

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。

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