-
公开(公告)号：CN112541909A
公开(公告)日：2021-03-23
申请号：CN202011529192.7
申请日：2020-12-22
Applicant: 南开大学
Abstract: 本发明公开一种基于切片感知的三维神经网络的肺结节探测方法及系统，包括：获取三维CT图像；根据成组切片非局部模块，三维区域候选网络和假阳减少模块构建三维神经网络，根据三维神经网络得到三维CT图像的肺结节探测结果；采用所述成组切片非局部模块提取三维CT图像的图像特征；采用所述三维区域候选网络根据图像特征获取肺结节候选目标；采用所述假阳减少模块获取肺结节候选目标的多尺度特征，将多尺度特征进行融合后得到肺结节探测结果。通过成组切片非局部模块学习成组切片内的元素间非局部依赖关系，以更好地学习判别性的特征；通过假阳减少模块对多尺度特征进行提取融合，以减少错误识别的肺结节，显著提高肺结节检测的效果。
-
公开(公告)号：CN112861931B
公开(公告)日：2022-04-12
申请号：CN202110083681.2
申请日：2021-01-21
Applicant: 南开大学
IPC: G06K9/62 , G06V10/774 , G06N3/04 , G06T7/30
Abstract: 本公开提供了一种基于差异注意力神经网络的多级别变化检测方法、系统、介质及电子设备，基于多时序图像融合技术，由自底向上网络、差异引导的注意力模块、自顶向下网络构成，差异引导的注意力模块包含两个串联的分支，分别是双时序聚合分支和差异注意力分支，前者用于学习双时序图像间的全局变化信息，后者用于探索图像间多级别变化的局部关系，提高不同变化的判别能力；本公开改进了U型网络结构中自底向上和自顶向下之间的特征学习过程，不仅保留了每个输入特征图的空间尺寸，而且实现了双时序图像间全局和局部差异信息的学习，可同时完成建筑物的分割和多级别损毁检测两个任务，显著提高了变化检测的效率和效果。
-
公开(公告)号：CN112541909B
公开(公告)日：2022-05-17
申请号：CN202011529192.7
申请日：2020-12-22
Applicant: 南开大学
Abstract: 本发明公开一种基于切片感知的三维神经网络的肺结节探测方法及系统，包括：获取三维CT图像；根据成组切片非局部模块，三维区域候选网络和假阳减少模块构建三维神经网络，根据三维神经网络得到三维CT图像的肺结节探测结果；采用所述成组切片非局部模块提取三维CT图像的图像特征；采用所述三维区域候选网络根据图像特征获取肺结节候选目标；采用所述假阳减少模块获取肺结节候选目标的多尺度特征，将多尺度特征进行融合后得到肺结节探测结果。通过成组切片非局部模块学习成组切片内的元素间非局部依赖关系，以更好地学习判别性的特征；通过假阳减少模块对多尺度特征进行提取融合，以减少错误识别的肺结节，显著提高肺结节检测的效果。
-
公开(公告)号：CN112861931A
公开(公告)日：2021-05-28
申请号：CN202110083681.2
申请日：2021-01-21
Applicant: 南开大学
Abstract: 本公开提供了一种基于差异注意力神经网络的多级别变化检测方法，基于多时序图像融合技术，由自底向上网络、差异引导的注意力模块、自顶向下网络构成，差异引导的注意力模块包含两个串联的分支，分别是双时序聚合分支和差异注意力分支，前者用于学习双时序图像间的全局变化信息，后者用于探索图像间多级别变化的局部关系，提高不同变化的判别能力；本公开改进了U型网络结构中自底向上和自顶向下之间的特征学习过程，不仅保留了每个输入特征图的空间尺寸，而且实现了双时序图像间全局和局部差异信息的学习，可同时完成建筑物的分割和多级别损毁检测两个任务，显著提高了变化检测的效率和效果。
-
-
-
Search Results
4
records
(took 0.017 seconds)
