【技术实现步骤摘要】
【国外来华专利技术】
本专利技术总体上涉及基于卷积神经网络(cnn)的图像处理方法和系统。
技术介绍
1、卷积神经网络(cnn)是本领域中众所周知的一类人工神经网络，并且已经应用于各种用于预测目的的领域，特别是用于各种预测应用的图像处理，例如图像分割和图像分类。尽管cnn通常可以被理解为适用于各种预测应用的各种领域，但是在各种预测应用中使用cnn可能不总是提供令人满意的预测结果(例如，在图像分割或图像分类中不足够准确)，并且获得令人满意的预测结果可能是困难的或具有挑战性的。
2、例如，医学超声成像是一种安全且非侵入性的实时成像模式，其使用高频声波提供人体结构的图像。与其他成像方式(如计算机断层扫描(ct)和磁共振成像(mri)相比，超声成像相对便宜、便携且更普遍，因此被广泛认为将成为21世纪的听诊器。然而，超声图像可以从手持探头获得，因此依赖于操作者并且容易受到大量伪影的影响，例如严重的斑点噪声、阴影和模糊的边界。这增加了从邻近组织中分割关注的组织结构(例如解剖结构)的难度。许多传统方法(例如，活动轮廓、图割、超像素和深度模型(例如，全卷积网络(...
【技术保护点】
1.一种使用至少一个处理器基于卷积神经网络(CNN)进行图像处理的方法，该方法包括：
2.根据权利要求1所述的方法，其中，所述产生所述空间注意力图包括：
3.根据权利要求2所述的方法，其中，所述激活函数是sigmoid激活函数。
4.根据权利要求2或3所述的方法，其中，所述产生所述多个加权坐标图包括将所述多个坐标图中的每一个与空间注意力图相乘，以便修改所述多个坐标图中的每一个的所述坐标信息。
5.根据权利要求2至4中任一项所述的方法，其中，所述多个坐标图包括第一坐标图和第二坐标图，所述第一坐标图包括关于第一维度的坐标信息...
【技术特征摘要】
【国外来华专利技术】
1.一种使用至少一个处理器基于卷积神经网络(cnn)进行图像处理的方法，该方法包括：
2.根据权利要求1所述的方法，其中，所述产生所述空间注意力图包括：
3.根据权利要求2所述的方法，其中，所述激活函数是sigmoid激活函数。
4.根据权利要求2或3所述的方法，其中，所述产生所述多个加权坐标图包括将所述多个坐标图中的每一个与空间注意力图相乘，以便修改所述多个坐标图中的每一个的所述坐标信息。
5.根据权利要求2至4中任一项所述的方法，其中，所述多个坐标图包括第一坐标图和第二坐标图，所述第一坐标图包括关于第一维度的坐标信息，所述第二坐标图包括关于第二维度的坐标信息，所述第一维度和第二维度是所述第一卷积操作被配置为在其上执行的两个维度。
6.根据权利要求1至5中任一项所述的方法，其中，所述产生所述卷积层的所述输出特征图包括：逐通道地连接所述卷积层接收的所述输入特征图和所述多个加权坐标图以形成连接的特征图；以及
7.根据权利要求1至6中任一项所述的方法，其中，
8.根据权利要求7所述的方法，其中，
9.根据权利要求8所述的方法，其中，所述使用所述预测子网络产生所述一组预测的特征图包括分别基于由所述多个解码器块产生的所述多个上采样特征图，产生所述多个预测的特征图。
10.根据权利要求8或9所述的方法，其中，
11.根据权利要求8至10中任一项所述的方法，其中，
12.根据权利要求11所述的方法，其中，
13.根据权利要求8至12中任一项所述的方法，其中，
14.根据权利要求7至13中任一项所述的方法，其中，
15.根据权利要求14所述的方法，还包括连接所述一组预测的特征图以产生所述融合的特征图。
16.根据权利要求14或15所述的方法，其中，
17.根据权利要求16所述的方法，其中，所述多个细化块的所述多个编码器-解码器结构具有不同的高度。
18.根据权利要求16或17所述的方法，其中，所述使用所述细化子网络产生所述一组细化的特征图包括：对...
【专利技术属性】
技术研发人员：秦雪彬，马苏德·德汉，多诺什·佐诺比，
申请(专利权)人：EXO成像公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。