买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军北部战区总医院

摘要：本发明涉及深度学习与医学图像识别诊断的交叉技术领域，具体公开了一种基于多任务的注意力特征融合的心脏纤维化诊断模型，该诊断模型构建步骤如下：S01：图像收集与标注：获取心脏MR影像作为样本数据，经过人工标注后获得MR影像对应的心脏标签；S02：图像预处理：包括归一化处理、数据增强和数据裁剪；S03：模型构建：包括图像恢复网络构建和图像分割网络构建，进行图像恢复任务；图像分割网络构建用于对心脏影像进行分割；S04：图像预训练：对图像恢复网络进行训练，目标是让图像恢复网络的编码器充分学习心脏纤维化影像的特征；S05：模型训练，本发明的目的在于提升了网络模型对心脏纤维化影像的分割精度和诊断准确性。

主权项：1.一种基于多任务的注意力特征融合的心脏纤维化诊断模型，其特征在于：该诊断模型构建步骤如下：S01：图像收集与标注：获取心脏MR影像作为样本数据，经过人工标注后获得MR影像对应的心脏标签；S02：图像预处理：包括归一化处理、数据增强和数据裁剪，利用归一化处理、数据增强和数据裁剪对图像进行预处理；S03：模型构建：包括图像恢复网络构建和图像分割网络构建，图像恢复网络采用自监督学习，进行图像恢复任务；图像分割网络构建用于对心脏影像进行分割，对心脏纤维化进行诊断；具体如下：图像恢复网络构建：包括编码器和解码器，编码器为A部分，包含卷积层，Res-Block和池化层；卷积层：用于提取心脏纤维化影像特征；Res-Block：由两个卷积块组成，使网络更容易地学习到恒等映射；池化层：突出心脏纤维化影像中的显著特征，同时减少计算量和参数数量；解码器为B部分，包含上采样层，卷积块和短接结构；上采样层：使用ConvTranspose层将低分辨率的特征图上采样到更高的分辨率；卷积块：与图像恢复网络构建中的卷积块的组成相同；短接结构：将编码器中的低层特征直接连接到解码器的相应层；图像分割网络构建：基于MaskR-CNN进行改进，并构建网络的BackBone、构建特征金字塔网络FPN和构建特征聚合模块FAM；S04：图像预训练：对图像恢复网络进行训练，目标是让图像恢复网络的编码器充分学习心脏纤维化影像的特征；S05：模型训练：模型预训练完成后，得到的图像恢复网络编码器作为改进的MaskR-CNN中的BackBone，同时将第一阶段训练好的编码器参数迁移至MaskR-CNN中，同时采用ReduceLROnPlateau学习率自动衰减进行模型训练。

全文数据：

权利要求：

百度查询： 中国人民解放军北部战区总医院 一种基于多任务的注意力特征融合的心脏纤维化诊断模型