申请/专利权人：合肥工业大学

申请日：2021-09-15

公开（公告）日：2024-06-25

公开（公告）号：CN113743353B

主分类号：G06V20/69

分类号：G06V20/69;G06V10/764;G06V10/82;G06V10/80;G06N3/084;G06N3/0464;G06N3/09

优先权：["20210510 CN 2021105071840"]

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.12.21#实质审查的生效;2021.12.03#公开

摘要：本发明涉及空间、通道和尺度注意力融合学习的宫颈细胞分类方法，包括：准备训练样本；构造通道注意力模块；构造空间注意力模块；构建尺度注意力模块；构搭建基于空间、通道和尺度注意力融合学习的深度网络；构建宫颈细胞图像分类器；预测图像的类别：加载基于空间、通道和尺度注意力融合学习的深度网络的网络结构与权重参数，将宫颈细胞图像输入至基于空间、通道和尺度注意力融合学习的深度网络中得到分类结果。本发明构建了一个能够对5类宫颈细胞图像进行分类的分类模型，利用本发明对宫颈细胞图像进行分类，能够辅助医生进行分析，有利于减轻病理医生的负担；有利于解决医疗资源矛盾，覆盖基层、乡村等小型医院，提高全国整体筛查水平。

主权项：1.一种空间、通道和尺度注意力融合学习的宫颈细胞分类方法，其特征在于：该方法包括下列顺序的步骤：1准备训练样本：将已标注好的宫颈细胞图像分类，得到5类样本；2构造通道注意力模块；3构造空间注意力模块；4构建尺度注意力模块；5构搭建基于空间、通道和尺度注意力融合学习的深度网络；所述步骤5具体包括以下步骤：5a构建三个分支分别记为b1，b2和b3，三个分支均由步骤2所述的通道注意力模块和步骤3所述的空间注意力模块构成；以resnet50作为主干网络，主干网络由第一模块、第二模块、第三模块、第四模块、第五模块和一个全连接层组成；取主干网络的第二模块、第三模块和第四个模块的输出分别记为f1，f2，f3；5b将步骤5a中主干网络三个模块的输出fi输入至对应的所述三个分支bi，i＝1,2,3；5b在三个分支中将输入相继输入至其内的通道注意力模块，通道注意力模块的输出再输入至空间注意力模块，空间注意力模块输出得到重定标后的特征，分别记为f1’，f2’，f3’；5c将步骤5b的输出fi’分别进行全局最大池化操作得到池化结果gi，i＝1,2,3；5d将g1输入一全连接层fc1得到查询向量q1，将g2输入一个全连接层fc2得到键向量k2，将g2输入一个全连接层fc3得到值向量v2；将上述查询向量q1、键向量k2和值向量v2输入步骤4的尺度注意力模块中，将尺度注意力模块的输出结果与g2相加；将f2’与上述相加结果相乘，得到重定标的注意加权特征映射f2”；5e将g2输入一个全连接层fc4得到查询向量q2，将g3输入一个全连接层fc5得到键向量k3，将g3输入一个全连接层fc6得到值向量v3；将上述查询向量q2、键向量k3和值向量v3输入步骤4的尺度注意力模块中，将尺度注意力模块的输出结果与g3相加；将f3’与上述相加结果相乘，得到重定标的注意加权特征映射f3”；5f将f1’、f2”和f3”分别进行线性变换；5g将上述经过线性变换后的三个结果与主干网络resnet50的全连接层的输出相加；5h将步骤5g相加的结果输入到Softmax分类器得到一个5维向量，向量的维度数对应宫颈细胞类别的数目，各维的值表示该样本属于该类的概率；6构建宫颈细胞图像分类器；7预测图像的类别：加载基于空间、通道和尺度注意力融合学习的深度网络的网络结构与权重参数，将宫颈细胞图像输入至基于空间、通道和尺度注意力融合学习的深度网络中得到分类结果。

全文数据：

权利要求：

百度查询： 合肥工业大学 空间、通道和尺度注意力融合学习的宫颈细胞分类方法

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