CN114511508B 融合卷积与多层感知机神经网络的结直肠息肉分割方法 （浙江工业大学）_第1页
CN114511508B 融合卷积与多层感知机神经网络的结直肠息肉分割方法 （浙江工业大学）_第2页
CN114511508B 融合卷积与多层感知机神经网络的结直肠息肉分割方法 （浙江工业大学）_第3页
CN114511508B 融合卷积与多层感知机神经网络的结直肠息肉分割方法 （浙江工业大学）_第4页
CN114511508B 融合卷积与多层感知机神经网络的结直肠息肉分割方法 （浙江工业大学）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

区融合卷积与多层感知机神经网络的结直肠本发明公开了一种融合卷积与多层感知机随机多尺度放大缩小和0～360度随机旋转等方利用训练样本训练所述神经网络，优化网络参22)构建包含卷积与多层感知机的神经网络，步骤2)中卷积与多层感知机编码器、平行自注意力模步骤2.2)构建平行自注意力模块：平行自注意力模块包v分支的输出是Θ是Hadamard乘积；再构建空间注意力分支：Mq是1×1卷积，ρ是全局平均池化操作,δ是sofmax操作；空间注意力分支的最终输出是最后整个模块输出是步骤2.3)构建级联语义特征聚合模块：先将高级特征H3和H2进行矩阵相乘后和低级特步骤2.4)构建通道引导分组逆向注意力模块：首先来自特征图通过sigmoid操作形成一个显著性特征图；然后通过逆向注意力操作得到反向注意i)＝{Hi,1,...,Hi,m}33)利用训练样本训练所述神经网络，优化网2.如权利要求1所述的一种融合卷积与多层感知机神经网络的结直肠息肉分割方法，3.如权利要求1所述的一种融合卷积与多层感知机神经网络的结直肠息肉分割方法，减优化器结合多项式学习率递减策略进行优化，设置初始学习率，网络的损失函数设置和原始的标签图进行对比，从主观视觉效果及客观评价指标上对模型的分割效果进行评4种基于融合卷积与多层感知机神经网络的结[0002]结直肠癌(ColorectalCancer,CRC)是一种常见的消化道恶性肿瘤,是全球第三大癌症。大多数结直肠癌由腺瘤性息肉演变而来,因此结直肠癌的早期诊断对提高结直肠四和第五阶段,则下降到35％以下.目前,结于手工提取特征在描述异质息肉以及息肉与难样本之间的相似性时表征能力有限,所以通5v全局特征图通过sigmoid操作形成一个显著性特征图；然后通过逆向注意力操作得到反向6[0040]步骤3.3)测试训练后模型的分割性能，使用测试集验验证训练后模型的分割效[0050]本发明实施例提供了一种融合卷积与多层感知机神经网络的结直肠息肉分割示7对比度增强、0.75～1.25倍随机多尺度放大缩小和0～360度随机旋转等方法进行图像增[0056]步骤2：构建融合卷积与多层感知机神经网络，其中包含卷积与多层感知机编码[0057]如图1所示，使用卷积与多层感知机编码器作为特征提取骨干网络初步提取息肉图像特征,得到的低级特征通过平行注意力模块得到更多边缘细节信息。高级特征童年过相乘后和低级特征H1进行通道相加，同时高级特征H1和低级特征L1进行矩阵相乘后将和高级特征H3和H2融合后的结果进行通道相加。最后经过3×3和1×1卷积操作将通道维度降低8聚合模块的全局特征图通过sigmoid操作形成一个显著性特征图。然后通过逆向注意力操均为开源数据集。从Kvasir和CVC-ClinicDB中分别提取900张和550张,总共1450张图9[0089]按照上述融合卷积与多层感知机神经网络的结直肠息肉分割方法中步骤训练网

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论