公开(公告)号：CN116030078A

公开(公告)日：2023-04-28

申请号：CN202310315976.7

申请日：2023-03-29

Applicant: 之江实验室

Inventor： 朱闻韬 ,  宋怡然 ,  薛梦凡 ,  黄海亮

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种多任务学习框架下结合注意力的肺叶分割方法及系统。本发明将肺叶分割任务作为主要任务、肺实质分割任务作为辅助任务，并行计算肺叶分割任务和肺实质分割任务；并在网络中插入通道注意力模块和锐化空间注意力模块，通道注意力模块能够强化通道特征信息，锐化空间注意力能够提升边缘测试效果，该网络能够自适应地权衡不同的任务，优化多任务目标的网络，最后训练得到的分割模型能实现三维图像的快速准确分割。本发明能有效利用神经网络学习多任务之间的共有特征，有望提取到更加全面的特征，强化主任务肺叶分割网络性能，在不增加实际使用时深度网络复杂度的情况下，提高深度网络对肺叶的分割能力。

公开(公告)号：CN116030078B

公开(公告)日：2023-06-30

申请号：CN202310315976.7

申请日：2023-03-29

Applicant: 之江实验室

Inventor： 朱闻韬 ,  宋怡然 ,  薛梦凡 ,  黄海亮

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种多任务学习框架下结合注意力的肺叶分割方法及系统。本发明将肺叶分割任务作为主要任务、肺实质分割任务作为辅助任务，并行计算肺叶分割任务和肺实质分割任务；并在网络中插入通道注意力模块和锐化空间注意力模块，通道注意力模块能够强化通道特征信息，锐化空间注意力能够提升边缘测试效果，该网络能够自适应地权衡不同的任务，优化多任务目标的网络，最后训练得到的分割模型能实现三维图像的快速准确分割。本发明能有效利用神经网络学习多任务之间的共有特征，有望提取到更加全面的特征，强化主任务肺叶分割网络性能，在不增加实际使用时深度网络复杂度的情况下，提高深度网络对肺叶的分割能力。