摘要
本发明公开了一种基于时序‑空间协同学习的临床视频中病变检测方法及系统,方法包括:对原始临床影像进行预处理和归一化处理,得到时域图像;通过构建好的时序感知卷积模块学习时域图像,得到包含时序上下文信息的特征图;通过构建好的分层队列集成机制以渐进累积的形式对时序特征图进行汇聚,得到多时刻的特征图;将多时刻特征输入到解耦头,得到预测的候选框结果;将候选框输入到后处理算法模块,通过位置感知聚类算法重新校准置信度,获得最终的预测结果。本发明通过结合时间级一致性学习与空间级可靠性学习,利用视频相邻帧之间的时序信息解决帧间异质性以及如何利用候选框之间的空间信息解决置信度偏差问题,从而实现了对病变的可靠检测。
技术关键词
病变检测方法
视频
时序特征
后处理算法
邻居
计算机程序指令
图像
病变检测系统
卷积模块
聚类算法
网络接口
阈值分割法
动态校正
校准
抑制算法
低通滤波器
节点
因子
机制
系统为您推荐了相关专利信息
石英加速度计
加速度计表头
LSTM模型
温度传感器
LSTM算法
物体识别方法
运动特征
运动检测算法
置信度阈值
特征匹配算法
实体关系模型
模型数据处理方法
语义
预测特征
节点特征
特征提取模型
局部特征提取
声音信号特征
定位特征
时序特征