公开(公告)号：CN115222942B

公开(公告)日：2023-06-02

申请号：CN202210881646.X

申请日：2022-07-26

Applicant: 吉林建筑大学

Inventor： 王旭 ,  尤天舒 ,  徐勇 ,  王生生 ,  陈红宇 ,  郭秀娟 ,  富倩 ,  孙伟 ,  杜丽英 ,  赵越 ,  戴传祗

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06V10/44 ,  G06T7/00 ,  G16H50/20 ,  G16H50/80

Abstract: 本发明提供了一种基于弱监督学习的新冠肺炎CT图像分割的方法，包括以下步骤：先建立分割网络模型，模型整体上是编码器‑解码器结构，在分割网络模型的基础上，引入了一个分类模块，分类模块与分割模块共享一部分隐藏层，使得整个网络学习到更多的有用特征，同时改善了分割结果假阳性的问题；基于弱监督学习的思想，在像素级图像标签的基础上，通过分类网络从额外的图像级标签获取优化后的类激活图作为监督信息，增强了模型的分割性能表现。本发明通过利用分类网络注意力转移的特性，提出了类激活图积累模块，使得可以通过分类网络获得更加完整的类激活图，从而获得像素级标注结果。

公开(公告)号：CN115222942A

公开(公告)日：2022-10-21

申请号：CN202210881646.X

申请日：2022-07-26

Applicant: 吉林建筑大学

Inventor： 王旭 ,  尤天舒 ,  徐勇 ,  王生生 ,  陈红宇 ,  郭秀娟 ,  富倩 ,  孙伟 ,  杜丽英 ,  赵越 ,  戴传祗

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06T7/00 ,  G16H50/20 ,  G16H50/80

Abstract: 本发明提供了一种基于弱监督学习的新冠肺炎CT图像分割的方法，包括以下步骤：先建立分割网络模型，模型整体上是编码器‑解码器结构，在分割网络模型的基础上，引入了一个分类模块，分类模块与分割模块共享一部分隐藏层，使得整个网络学习到更多的有用特征，同时改善了分割结果假阳性的问题；基于弱监督学习的思想，在像素级图像标签的基础上，通过分类网络从额外的图像级标签获取优化后的类激活图作为监督信息，增强了模型的分割性能表现。本发明通过利用分类网络注意力转移的特性，提出了类激活图积累模块，使得可以通过分类网络获得更加完整的类激活图，从而获得像素级标注结果。