买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:浙江大学
摘要:本发明公开了一种基于双层CSwin和CNN的头影标志点定位方法,包括:1采集头颅侧位影像数据集,标注头影标志点后划分为训练集和验证集;2对训练集和验证集中的头颅侧位影像进行预处理;并将头颅侧位影像中的头影标志点位置转换为二维高斯热图;3构建标志点定位模型,所述的标志点定位模型包括一个CNN编码器、一个双层CSwin编码器和一个解码器;4利用训练集对标志点定位模型进行训练,并通过验证集对训练好的模型进行验证;5将待定位的头颅侧位影像预处理后输入训练好的模型,预测得到头影标志点的热图;将热图转换为标志点,得到头影标志点的坐标。利用本发明,可以获得更为精准的头影标记点定位结果。
主权项:1.一种基于双层CSwin和CNN的头影标志点定位方法,其特征在于,包括以下步骤:1采集头颅侧位影像数据集,标注头影标志点后划分为训练集和验证集;2对训练集和验证集中的头颅侧位影像进行预处理;并将头颅侧位影像中的头影标志点位置转换为二维高斯热图;3构建标志点定位模型,所述的标志点定位模型包括一个CNN编码器、一个双层CSwin编码器和一个解码器;其中,CNN编码器使用Densenet-121作为骨干网络,在对应的四个CNNBlock中,将标准卷积替换成深度可分离卷积;通过CNN编码器提取出头颅侧位影像的多尺度特征{C1,C2,C3,C4};双层CSwin编码器中,每一层CSwin都有四个阶段,每个阶段的CSwinBlock分别提取对应的特征表示,然后把同阶段的特征输入到CF模块,得到头颅侧位影像的每阶段的融合特征{S1,S2,S3,S4};最终将CNN编码器输出的多尺度特征{C1,C2,C3,C4}与双层CSwin编码器输出的每阶段的融合特征{S1,S2,S3,S4}输入到解码器,解码器先融合两个编码器相同尺度的特征,同时通过上采样融合上一阶段不同尺度的特征;最后通过两层卷积对最终的特征进行热图回归,得到预测热图;4利用训练集对标志点定位模型进行训练,并通过验证集对训练好的模型进行验证;5将待定位的头颅侧位影像预处理后输入训练好的模型,预测得到头影标志点的热图;将热图转换为标志点,得到头影标志点的坐标。
全文数据:
权利要求:
百度查询: 浙江大学 一种基于双层CSwin和CNN的头影标志点定位方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。