公开(公告)号：CN112686242A

公开(公告)日：2021-04-20

申请号：CN202011588241.4

申请日：2020-12-29

Applicant: 昆明理工大学

Inventor： 乔伟晨 ,  黄青松 ,  王波 ,  单文琦 ,  刘利军 ,  黄冕

IPC: G06K9/20 ,  G06K9/62 ,  G06N3/04 ,  G06T7/11

Abstract: 本发明涉及一种基于多层聚焦注意力网络的细粒度图像分类方法，属于计算机视觉技术领域。本发明包括步骤：首先通过首层聚焦网络能够准确有效聚焦于识别局域并生成定位区域；再根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类，其中单层聚焦网络以Inception‑V3网络为基础，通过卷积注意力特征模块和定位区域选择机制来聚焦有效的定位区域；然后使用双线性注意力最大池化提取各个局部的特征；最后进行分类预测；实验结果表明，本方法的分类准确率高于目前主流方法。

公开(公告)号：CN112686242B

公开(公告)日：2023-04-18

申请号：CN202011588241.4

申请日：2020-12-29

Applicant: 昆明理工大学

Inventor： 乔伟晨 ,  黄青松 ,  王波 ,  单文琦 ,  刘利军 ,  黄冕

IPC: G06V10/22 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06N3/0464

Abstract: 本发明涉及一种基于多层聚焦注意力网络的细粒度图像分类方法，属于计算机视觉技术领域。本发明包括步骤：首先通过首层聚焦网络能够准确有效聚焦于识别局域并生成定位区域；再根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类，其中单层聚焦网络以Inception‑V3网络为基础，通过卷积注意力特征模块和定位区域选择机制来聚焦有效的定位区域；然后使用双线性注意力最大池化提取各个局部的特征；最后进行分类预测；实验结果表明，本方法的分类准确率高于目前主流方法。

公开(公告)号：CN114066883B

公开(公告)日：2025-04-08

申请号：CN202111557668.2

申请日：2021-12-20

Applicant: 昆明理工大学

Inventor： 张云峰 ,  乔伟晨 ,  刘利军

IPC: G06T7/10 ,  G06T7/00 ,  G06T3/4007 ,  G06N3/084 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/82 ,  G06V10/26 ,  G06V20/70 ,  G06N3/045 ,  G06V10/80

Abstract: 本发明涉及基于特征选择与残差融合的肝肿瘤分割方法。本发明首先通过注意力机制对UNet瓶颈特征及跳跃链接进行优化，提出以全局特征压缩操作为基础的瓶颈特征选择模块，即全局特征选择模块和邻近特征选择模块。再使用跳跃链接对空间注意力模块进行特征重标定，最后通过空间特征残差融合模块解决前后空间特征的语义不匹配问题，在保持低复杂度的同时使特征高效表达。本发明使2D肝肿瘤分割的结果更加准确，在LiTS公开数据集上进行了组件消融测试并与当前方法进行对比测试，在肝脏及肝肿瘤分割任务中分别取得了96.2％和68.4％的平均Dice得分，比当前最佳的2D肝肿瘤分割模型平均Dice得分高0.8％。

公开(公告)号：CN114066883A

公开(公告)日：2022-02-18

申请号：CN202111557668.2

申请日：2021-12-20

Applicant: 昆明理工大学

Inventor： 张云峰 ,  乔伟晨 ,  刘利军

IPC: G06T7/00 ,  G06T3/40 ,  G06N3/08 ,  G06N3/04 ,  G06V10/44 ,  G06V10/82

Abstract: 本发明涉及基于特征选择与残差融合的肝肿瘤分割方法。本发明首先通过注意力机制对UNet瓶颈特征及跳跃链接进行优化，提出以全局特征压缩操作为基础的瓶颈特征选择模块，即全局特征选择模块和邻近特征选择模块。再使用跳跃链接对空间注意力模块进行特征重标定，最后通过空间特征残差融合模块解决前后空间特征的语义不匹配问题，在保持低复杂度的同时使特征高效表达。本发明使2D肝肿瘤分割的结果更加准确，在LiTS公开数据集上进行了组件消融测试并与当前方法进行对比测试，在肝脏及肝肿瘤分割任务中分别取得了96.2％和68.4％的平均Dice得分，比当前最佳的2D肝肿瘤分割模型平均Dice得分高0.8％。

公开(公告)号：CN115457051A

公开(公告)日：2022-12-09

申请号：CN202211064580.1

申请日：2022-08-31

Applicant: 昆明理工大学

Inventor： 刘利军 ,  戴舒婷 ,  乔伟晨 ,  黄青松

IPC: G06T7/11 ,  G06T5/00 ,  G06V10/74 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及基于全局自注意力与多尺度特征融合的肝脏CT图像分割方法，属于医学图像处理技术领域。本发明包括步骤：(1)获取腹部CT数据集，并进行预处理；(2)采用ResNeXt卷积神经网络提取多尺度特征，引入多尺度空间信息；(3)使用多尺度特征通过全局自注意力模块，得到全局自注意力融合特征；(4)将融合特征通过改进的卷积模组进行特征提取，最终上采样得到分割结果。该方法基于LiTS公开数据集进行验证，分割结果与真实分割的重叠区域平均Dice值达到了96.4％，比经典模型UNet高4.3％。