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！

摘要：本发明提供一种基于CNN的睑板腺区域和睑板腺萎缩区域分割模型及方法，该模型包括：特征编码模块，用于从原始图片中提取特征图；信息融合模块IFM，用于对输入的特征图的浅层特征和深层特征的通道和空间信息进行优化，增强浅层特征的高级语义信息并填充深层特征的空间位置信息；并行路径连接模块PPC，用于对所述特征编码模块提取的特征图的特征进行特征细化；特征解码模块，用于对提取到的特征进行恢复，得到预测结果。本发明克服了现有U型编解码器网络中下采样导致细节信息的缺失以及原始U‑Net网络在跳跃连接中会引入噪声导致解码器对特征的恢复质量变差的问题。

主权项：1.一种基于CNN的睑板腺区域和睑板腺萎缩区域分割装置，其特征在于，包括：特征编码模块，用于从原始图片中提取特征图；信息融合模块IFM，与所述特征编码模块连接，用于对输入的特征图的浅层特征和深层特征的通道和空间信息进行优化，增强浅层特征的高级语义信息并填充深层特征的空间位置信息，具体包括：首先分别将深层特征图和浅层特征图通过1x1卷积对通道数进行降维处理，将深层特征图和浅层特征图的通道数统一设置为128个通道；随后将深层特征图经过双线性插值上采样恢复到浅层特征图相同的分辨率，将两个特征信息进行融合相加，得到语义特征信息FM；在通道维度上，引入了通道注意力机制，将获得的通道信息与语义特征信息FM相乘，得到通道融合结果cy；所述通道注意力机制包括全局平均池化、一维卷积以及Sigmoid激活函数；在空间维度上，首先采用全局平均池化和全局最大池化对深层特征xL进行全局和局部的特征细化，得到全局特征和局部特征；随后将全局特征和局部特征拼接起来，得到空间信息融合特征FA；接着嵌入附有不同膨胀卷积的多尺度模块提取多尺度特征，最后通过Softmax得到概率图，与输入的深层特征图相乘，得到空间融合结果sy；最后，将输入的特征与经过强化后的特征进行信息融合，得到最终输出结果Oy；其中所述信息融合模块IFM在通道融合机制中的输出结果cy为：cy＝SigmoidConv1x1AvgConv1x1xH+UpConv1x1xL其中，xL是特征编码模块的倒数第一层的深层特征，xH表示特征编模块的倒数第二层的浅层特征图，cy表示信息融合模块IFM在通道融合机制的输出结果，Up表示双线性插值上采样操作，Avg表示全局平均池化，Conv1x1表示1x1卷积操作；信息融合模块IFM的最终输出表示为：Oy＝xL+sy*cy其中，Oy是特征编码模块的浅层特征、深层特征通过信息融合模块IFM优化后的输出特征结果，sy是信息融合模块IFM在空间维度上的优化输出结果，cy是信息融合模块IFM在通道维度上的优化输出结构，xL是特征编码模块的倒数第一层的深层特征；并行路径连接模块PPC，与所述特征编码模块连接，用于对所述特征编码模块提取的特征图的特征进行特征细化；特征解码模块，分别与所述信息融合模块IFM和所述并行路径连接模块PPC连接，用于对提取到的特征进行恢复，得到预测结果。

全文数据：

权利要求：

百度查询： 苏州大学 基于CNN的睑板腺区域和睑板腺萎缩区域分割装置及方法