公开(公告)号：CN117252756A

公开(公告)日：2023-12-19

申请号：CN202310945726.1

申请日：2023-07-31

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  吴承旭 ,  樊钦睿 ,  吴锡 ,  杨燕 ,  李文藻

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于对称视觉注意力网络的高效图像超分辨率方法，利用大核卷积的大感受野来提高图像的重建质量，以瓶颈式感受野结构和对称式注意力结构提升深度特征的提取能力，使网络的学习能力进一步增强，使用不同的高效卷积组合，大大减少了参数的数量，同时保持了较大的感受野，以确保重建质量。然后根据感受野大小形成瓶颈注意力块，通过对称结构得到对称大核注意力模块。通过实验对比结果，说明本发明提出的方法可以达到减少网络参数数量，提升网络性能和效率的目的，实现了轻量化的高效图像超分辨率途径。

公开(公告)号：CN116309748A

公开(公告)日：2023-06-23

申请号：CN202310217798.4

申请日：2023-03-08

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  樊钦睿 ,  帅志坤 ,  吴锡

IPC: G06T7/33 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/00 ,  G06N3/0442

Abstract: 本发明涉及一种基于注意力机制的跨模态3D医学图像配准方法，这是一种新的端到端的3D跨模态的深度强化学习配准方法，其中深度强化学习的框架由异步优势行动者评论家方法训练的，将强化学习与注意力感知机制相结合，以探测具有更可靠的图像区域，从而将配准过程引导到正确的方向。专注于三维跨模态刚性图像配准，并且使用3D卷积结合注意力机制对海量体素进行紧凑特征提取，此外使用随机点与对角点替换掉高斯差分的关键点来提高训练效率。这使得模型具有优秀的泛化能力，并且能模拟人类专家的配准过程，使得模型沿着准确的方向完成跨模态的3D医学图像配准。

公开(公告)号：CN119444574A

公开(公告)日：2025-02-14

申请号：CN202411536622.6

申请日：2024-10-31

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  邓辉 ,  樊钦睿

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094

Abstract: 本发明提供基于特征补偿注意力的医学图像超分辨率方法及系统，涉及医学图像处理领域，该方法包括：建立医学图像超分辨率生成对抗网络模型，包括生成器及判别器，生成器包括第一特征提取组件、特征注入组件、第二特征提取组件及重建组件，第一特征提取组件和特征注入组件的输出为第二特征提取组件的输入，第二特征提取组件的输出为重建组件的输入；训练医学图像超分辨率生成对抗网络模型，得到医学图像超分辨率模型，包括训练后的医学图像超分辨率生成对抗网络模型的生成器；通过医学图像超分辨率模型基于低分辨率医学图像，得到高分辨率医学图像，具有生成更接近真实图像的高分辨率医学图像的优点。