一种基于对抗的双向一致性约束医学图像配准算法

    公开(公告)号:CN114359360B

    公开(公告)日:2022-06-10

    申请号:CN202210260997.9

    申请日:2022-03-17

    Abstract: 本发明公开了一种基于对抗的双向一致性约束医学图像配准算法,获取CT和MRI模态的医学图像并对其标准化预处理;构建深度学习神经网络,包括生成器的构建和鉴别器的构建;随机选取训练样本集,对步骤S2构建的深度学习神经网络进行对抗训练;将待配准医学图像对输入训练完成的深度学习神经网络,输出配准后的图像对,通过上述方式,解决了目前医学图像配准样本少,多模态配准难,相似性度量选择难的问题,取得高精度的配准效果。比如同一个病人的术前CT图像和MRI图像的配准,算法不需要提供大量的样本集和样本标注,就能完成算法的训练,同时保障运行稳定,能够自动得到高精度的医学图像的配准图像对。

    基于时空图的人体骨骼动作识别方法

    公开(公告)号:CN114550308B

    公开(公告)日:2022-07-05

    申请号:CN202210424128.5

    申请日:2022-04-22

    Abstract: 本发明公开了一种基于时空图的人体骨骼动作识别方法,包括以下步骤:S1、获取骨骼数据,并对所述骨骼数据进行预处理,得到二阶数据信息;S2、将二阶数据信息输入多分支网络,得到骨骼数据提取信息;S3、将骨骼数据提取信息输入时空特征提取网络,得到骨骼数据的时空特征信息;S4、将骨骼数据的时空特征信息依次输入全局平均池化层和全连接层,得到置信度最高的动作,完成人体骨骼动作识别。本发明设计了时空图模块引入Transformer结构,可以更好捕捉若干帧内全局的时空关系,利用其注意力机制自适应的学习跨帧节点间关联性的强度,并且利用图卷积根据固定图结构捕捉局部的空间特征。两者信息相互补充,从而使得信息能够直接的跨时空交流。

    基于时空图的人体骨骼动作识别方法

    公开(公告)号:CN114550308A

    公开(公告)日:2022-05-27

    申请号:CN202210424128.5

    申请日:2022-04-22

    Abstract: 本发明公开了一种基于时空图的人体骨骼动作识别方法,包括以下步骤:S1、获取骨骼数据,并对所述骨骼数据进行预处理,得到二阶数据信息;S2、将二阶数据信息输入多分支网络,得到骨骼数据提取信息;S3、将骨骼数据提取信息输入时空特征提取网络,得到骨骼数据的时空特征信息;S4、将骨骼数据的时空特征信息依次输入全局平均池化层和全连接层,得到置信度最高的动作,完成人体骨骼动作识别。本发明设计了时空图模块引入Transformer结构,可以更好捕捉若干帧内全局的时空关系,利用其注意力机制自适应的学习跨帧节点间关联性的强度,并且利用图卷积根据固定图结构捕捉局部的空间特征。两者信息相互补充,从而使得信息能够直接的跨时空交流。

    一种基于对抗的双向一致性约束医学图像配准算法

    公开(公告)号:CN114359360A

    公开(公告)日:2022-04-15

    申请号:CN202210260997.9

    申请日:2022-03-17

    Abstract: 本发明公开了一种基于对抗的双向一致性约束医学图像配准算法,获取CT和MRI模态的医学图像并对其标准化预处理;构建深度学习神经网络,包括生成器的构建和鉴别器的构建;随机选取训练样本集,对步骤S2构建的深度学习神经网络进行对抗训练;将待配准医学图像对输入训练完成的深度学习神经网络,输出配准后的图像对,通过上述方式,解决了目前医学图像配准样本少,多模态配准难,相似性度量选择难的问题,取得高精度的配准效果。比如同一个病人的术前CT图像和MRI图像的配准,算法不需要提供大量的样本集和样本标注,就能完成算法的训练,同时保障运行稳定,能够自动得到高精度的医学图像的配准图像对。

Patent Agency Ranking