欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021100933808
申请人: 长沙理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种X射线图像识别方法,其特征在于,所述方法包括:

获取X射线图像;将所述X射线图像作为训练样本;

构建多注意力交互网络,所述多注意力交互网络包括卷积批处理标准化网络、特征提取网络和输出网络;所述卷积批处理标准化网络用于对所述X射线图像进行卷积和批处理标准化,得到X射线图像的标准化卷积特征;所述特征提取网络包括多注意力交互特征提取模块和批标准化模块;所述多注意力交互特征提取模块用于接收所述标准化卷积特征并学习通道之间的相关性,得到多通道特征;所述批标准化模块用于接收所述多通道特征,得到X射线图像的标准化多通道特征;所述批标准化模块包括卷积批处理标准化模块;所述输出网络接收所述标准化多通道特征,得到X射线图像的类别;

根据所述训练样本对所述多注意力交互网络进行训练,得到X射线图像识别模型;

获取待测X射线图像;

将所述待测X射线图像输入到所述X射线图像识别模型中,得到X射线图像的类别。

2.根据权利要求1所述的方法,其特征在于,所述卷积批处理标准化模块包括:卷积层、BatchNorm层和LeakyReLU激活函数。

3.根据权利要求1所述的方法,其特征在于,根据所述训练样本对所述多注意力交互网络进行训练,得到X射线图像识别模型,包括:将所述训练样本输入到卷积批处理标准化网络,得到标准化卷积特征;

将所述标准化卷积特征输入到所述特征提取网络,输出X射线图像的标准化多通道特征;

将所述标准化多通道特征输入到所述输出网络,输出分类预测结果,根据所述分类预测结果和所述训练样本进行反向训练,得到X射线图像识别模型。

4.根据权利要求3所述的方法,其特征在于,将所述标准化卷积特征输入到所述特征提取网络,输出X射线图像的标准化多通道特征,包括:将所述标准化卷积特征输入到所述特征提取网络的多注意力交互特征提取模块,得到多通道特征;所述多注意力交互特征提取模块包括n个多注意力交互特征提取子模块,其中n为大于等于1的整数;n个多注意力交互特征提取子模块依次连接;所述多注意力交互特征提取子模块包括卷积批处理标准化模块、多注意力交互模块和最大值池化层;所述多注意力交互模块包括:第一全局平均池化层、第一全连接层、第二全连接层、批处理标准化层、第二全局平均池化层和局部多通道之间的信息交互模块;

将所述多通道特征输入到所述特征提取网络的多通道特征批标准化处理模块,得到标准化多通道特征。

5.根据权利要求4所述的方法,其特征在于,将所述标准化卷积特征输入到所述特征提取网络的多注意力交互特征提取模块,得到多通道特征,包括:将所述标准化卷积特征输入到所述多注意力交互特征提取模块的第一个多注意力交互特征提取子模块的第一全局平均池化层,得到全局特征;

将所述全局特征输入到第一个多注意力交互特征提取子模块的第一全连接层得到的特征图输入到第一个多注意力交互特征提取子模块的第二个全连接层,得到恢复维度的特征;

将所述恢复维度的特征与所述标准化卷积特征相加,得到每个通道的权重系数;

所述每个通道的权重系数输入到第一个多注意力交互特征提取子模块的批处理标准化层,并使用激活函数LeakyReLU进行激活,得到每个通道的标准化权重系数;

将所述每个通道的标准化权重系数输入到第一个多注意力交互特征提取子模块的第二全局平均池化层,得到多个权重相叠加的特征;

将多个权重相叠加的特征输入到第一个多注意力交互特征提取子模块的局部多通道之间的信息交互模块得到的特征与恢复维度的特征相乘;得到第一多通道特征;

当n=1时,第一多通道特征作为多通道特征输出;

当n>1时,将第一个多注意力交互特征提取子模块输出的第一多通道特征输入到其他多注意力交互特征提取子模块中继续进行多注意力特征提取,得到多通道特征。

6.根据权利要求3所述的方法,其特征在于,所述特征提取网络的多通道特征批标准化处理模块包括3个第一批标准化模块、1个第二批标准化模块和1个第三批标准化模块;所述第一批标准化模块和所述第三批标准化模块的结构相同;

将所述多通道特征输入到所述特征提取网络的多通道特征批标准化处理模块,得到标准化多通道特征,包括:将所述多通道特征输入到所述多通道特征批标准化处理模块的3个第一批标准化模块,得到第一次标准化多通道特征;

将第一次标准化多通道特征输入到所述多通道特征批标准化处理模块的第二批标准化模块,得到第二次标准化多通道特征;

将第二次标准化多通道特征输入到所述多通道特征批标准化处理模块的第三批标准化模块,得到标准化多通道特征。

7.根据权利要求3所述的方法,其特征在于,将所述标准化多通道特征输入到所述输出网络,输出分类预测结果,根据所述分类预测结果和所述训练样本进行反向训练,得到X射线图像识别模型,包括:将所述标准化多通道特征输入到所述输出网络的全局平均池化层,得到池化特征图;

将所述池化特征图输入到所述输出网络的全连接层,输出分类预测结果;

根据所述分类预测结果和所述训练样本进行反向训练,得到X射线图像识别模型。

8.一种X射线图像识别装置,其特征在于,所述装置包括:

训练样本获取模块:用于获取X射线图像;将所述X射线图像作为训练样本;

多注意力交互网络构建模块:用于构建多注意力交互网络,所述多注意力交互网络包括卷积批处理标准化网络、特征提取网络和输出网络;所述卷积批处理标准化网络用于对所述X射线图像进行卷积和批处理标准化,得到X射线图像的标准化卷积特征;所述特征提取网络包括多注意力交互特征提取模块和批标准化模块;所述多注意力交互特征提取模块用于接收所述标准化卷积特征并学习通道之间的相关性,得到多通道特征;所述批标准化模块用于接收所述多通道特征,得到X射线图像的标准化多通道特征;所述批标准化模块包括卷积批处理标准化模块;所述输出网络接收所述标准化多通道特征,得到X射线图像的类别;

X射线图像识别模型确定模块:用于根据所述训练样本对所述多注意力交互网络进行训练,得到X射线图像识别模型;

待测X射线图像获取模块:用于获取待测X射线图像;

X射线图像的类别确定模块:用于将所述待测X射线图像输入到所述X射线图像识别模型中,得到X射线图像的类别。

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。