-
公开(公告)号：CN113298827B
公开(公告)日：2023-11-14
申请号：CN202110642538.2
申请日：2021-06-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于DP‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像；图像经过编码阶段得到特征图M1～M5，同时将PPM模块加入U‑Net网络的编码阶段，并将M5经过PPM模块得到MP；引入DP模块，将Mi输入第i个DP模块，得到特征图Di，其中i为特征图索引，i＝1，2，3，4；结合特征图Di，将MP经过解码阶段进行特征还原得到Y，根据Y得到图像的分割结果。PPM模块和DP模块的加入，解决了U‑Net网络中缺少处理图像多尺度问题模块的这一问题以及U‑Net网络中每次跳跃连接之后的拼接操作中的两个主体特征语义相差较大的问题，进而提升了U‑Net网络对于CT图像中病灶分割的准确率。
-
公开(公告)号：CN113298825B
公开(公告)日：2023-11-14
申请号：CN202110642418.2
申请日：2021-06-09
Applicant: 东北大学
IPC: G06T7/11 , G06T7/136 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/52
Abstract: 本发明公开了一种基于MSF‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像；先将MSF模块加入U‑Net网络的编码阶段，然后图像X经过编码阶段进行特征提取得到特征图M1～M5，将SE模块也加入U‑Net网络的编码阶段，并将M5经过SE模块得到MS；结合步骤2得到的特征图Mi，将MS经过解码阶段进行特征还原得到Y，根据Y得到图像的分割结果。MSF模块的加入，增加了不同尺度感受野的特征提取模块，解决了U‑Net网络中缺少处理图像多尺度问题的模块这一问题；SE模块的加入，可以使特征图自适应地调整各通道之间的关系，提升了网络对于CT图像中病灶分割的准确率。
-
公开(公告)号：CN113298826A
公开(公告)日：2021-08-24
申请号：CN202110642528.9
申请日：2021-06-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于LA‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像X；图像X经过编码阶段得到特征图M1～M5，同时将SE注意力模块加入U‑Net网络的编码阶段，并将M5经过SE注意力模块得到MS；在解码阶段加入LA注意力模块并结合特征图M1～M5，将MS经过解码阶段进行特征还原得到Y，根据Y得到图像分割结果。SE注意力模块对特征图各通道间的依赖关系进行建模，可使特征图自适应地调整各通道之间的关系；LA模块给予非病灶区域中的点大于1的系数值，而非病灶区域中的点的标签值为0，非病灶区域中的点可以获得更大损失值，从而抑制非病灶区域预测值，给病灶区域更多关注，提升了网络对于CT图像中病灶分割的准确率。
-
Patent Agency Ranking
公开(公告)号：CN113744279B
公开(公告)日：2023-11-14
申请号：CN202110642409.3
申请日：2021-06-09
Applicant: 东北大学
IPC: G06T7/11 , G06T7/136 , G06V10/82 , G06N3/0464 , G06V10/80 , G06N3/0455 , G06V10/77 , G06V10/52 , G06V10/44
Abstract: 本发明公开了一种基于FAF‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像；图像经过编码阶段得到特征图M1～M5，同时将PPM模块加入U‑Net网络的编码阶段，并将M5经过PPM模块得到MP；将FAF模块引入解码阶段，替换U‑Net中每次跳跃连接后的拼接操作，然后将MP经过解码阶段进行特征还原得到Y，根据Y得到图像的分割结果。PPM模块的加入，解决了U‑Net网络中缺少处理图像多尺度问题模块的这一问题；FAF模块解决了U‑Net网络中每次跳跃连接之后的拼接操作中的两个主体特征语义相差较大的问题，提升了网络对于CT图像中病灶分割的准确率。
-
公开(公告)号：CN113298826B
公开(公告)日：2023-11-14
申请号：CN202110642528.9
申请日：2021-06-09
Applicant: 东北大学
IPC: G06F30/27
Abstract: 本发明公开了一种基于LA‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像X；图像X经过编码阶段得到特征图M1～M5，同时将SE注意力模块加入U‑Net网络的编码阶段，并将M5经过SE注意力模块得到MS；在解码阶段加入LA注意力模块并结合特征图M1～M5，将MS经过解码阶段进行特征还原得到Y，根据Y得到图像分割结果。SE注意力模块对特征图各通道间的依赖关系进行建模，可使特征图自适应地调整各通道之间的关系；LA模块给予非病灶区域中的点大于1的系数值，而非病灶区域中的点的标签值为0，非病灶区域中的点可以获得更大损失值，从而抑制非病灶区域预测值，给病灶区域更多关注，提升了网络对于CT图像中病灶分割的准确率。
-
公开(公告)号：CN113298827A
公开(公告)日：2021-08-24
申请号：CN202110642538.2
申请日：2021-06-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于DP‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像；图像经过编码阶段得到特征图M1～M5，同时将PPM模块加入U‑Net网络的编码阶段，并将M5经过PPM模块得到MP；引入DP模块，将Mi输入第i个DP模块，得到特征图Di，其中i为特征图索引，i＝1，2，3，4；结合特征图Di，将MP经过解码阶段进行特征还原得到Y，根据Y得到图像的分割结果。PPM模块和DP模块的加入，解决了U‑Net网络中缺少处理图像多尺度问题模块的这一问题以及U‑Net网络中每次跳跃连接之后的拼接操作中的两个主体特征语义相差较大的问题，进而提升了U‑Net网络对于CT图像中病灶分割的准确率。
-
公开(公告)号：CN113744279A
公开(公告)日：2021-12-03
申请号：CN202110642409.3
申请日：2021-06-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于FAF‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像；图像经过编码阶段得到特征图M1～M5，同时将PPM模块加入U‑Net网络的编码阶段，并将M5经过PPM模块得到MP；将FAF模块引入解码阶段，替换U‑Net中每次跳跃连接后的拼接操作，然后将MP经过解码阶段进行特征还原得到Y，根据Y得到图像的分割结果。PPM模块的加入，解决了U‑Net网络中缺少处理图像多尺度问题模块的这一问题；FAF模块解决了U‑Net网络中每次跳跃连接之后的拼接操作中的两个主体特征语义相差较大的问题，提升了网络对于CT图像中病灶分割的准确率。
-
公开(公告)号：CN113298825A
公开(公告)日：2021-08-24
申请号：CN202110642418.2
申请日：2021-06-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于MSF‑Net网络的图像分割方法，涉及图像分割技术领域。该方法包括：输入待分割图像；先将MSF模块加入U‑Net网络的编码阶段，然后图像X经过编码阶段进行特征提取得到特征图M1～M5，将SE模块也加入U‑Net网络的编码阶段，并将M5经过SE模块得到MS；结合步骤2得到的特征图Mi，将MS经过解码阶段进行特征还原得到Y，根据Y得到图像的分割结果。MSF模块的加入，增加了不同尺度感受野的特征提取模块，解决了U‑Net网络中缺少处理图像多尺度问题的模块这一问题；SE模块的加入，可以使特征图自适应地调整各通道之间的关系，提升了网络对于CT图像中病灶分割的准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
