一种基于超声影像的肺炎辨识方法、装置和计算机设备
基本信息
| 申请号 | CN202210333027.7 | 申请日 | - |
| 公开（公告）号 | CN114693643A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114693643A | 申请公布日 | 2022-07-01 |
| 分类号 | G06T7/00（2017.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06V10/80（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 姜涛;杨光;万翔;田丰;赵晋波;倪云峰;钟代星;王孝彬;杨珍 | 申请（专利权）人 | 西安科技大学 |
| 代理机构 | 陕西铭一知识产权代理有限公司 | 代理人 | - |
| 地址 | 710032陕西省西安市长乐西路169号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于超声影像的肺炎辨识方法、装置和计算机设备，该方法包括：构建多尺度信息融合的深度残差网络模型；将二维超声影像输入模型中，原始残差连接的子网络ResNet模块，利用交替堆叠的卷积和池化模块、残差连接模块、非线性激活函数ReLU，自底向上逐层自适应提取二维超声影像中肺炎病理特征，得到具有高层语义信息的特征；特征金字塔FPN子网络模块，自顶向下对二维超声影像进行底层纹理特征提取，使底层纹理特征与具有高层语义信息的特征自适应融合；采用全局均值池化和非线性全连接层，将融合后的特征投影到二分类模式空间中进行肺炎辨识。该方法能够增强在超声影像辨识中对不同病人、不同部位的抗干扰能力。 |
