公开(公告)号：CN117197162A

公开(公告)日：2023-12-08

申请号：CN202311260408.8

申请日：2023-09-27

Applicant: 东北林业大学

Inventor： 邱兆文 ,  谢冰洁 ,  甘少伟 ,  方康康 ,  老欣宇 ,  刘世强

IPC: G06T7/11 ,  G06N3/0464 ,  G06T7/73

Abstract: 本发明一种基于差分卷积的颅内出血CT图像分割方法，属于图像处理技术领域，为解决现有方法对于切片间的上下文信息提取不够充分，难以对多变性的颅内出血病灶的CT图像进行准确分割的问题。包括：S1、构建颅内出血CT图像数据集；S2、对数据进行归一化处理，包括空间归一化和信号归一化；S3、构建颅内出血CT图像分割网络模型，所述模型基于3D U‑Net网络，模型构建有3D CDC模块，以实现挖掘CT图像数据中切片间的上下文信息，还构建有3D CA注意力模块，在通道注意力中嵌入位置信息，使网络更加关注有效的脑血肿区域；S4、采用所述颅内出血CT图像分割网络模型对颅内出血CT图像的出血病灶进行分割。本发明模型具有较高的分割精度。

公开(公告)号：CN117197162B

公开(公告)日：2024-04-09

申请号：CN202311260408.8

申请日：2023-09-27

Applicant: 东北林业大学

Inventor： 邱兆文 ,  谢冰洁 ,  甘少伟 ,  方康康 ,  老欣宇 ,  刘世强

IPC: G06T7/11 ,  G06N3/0464 ,  G06T7/73

Abstract: 本发明一种基于差分卷积的颅内出血CT图像分割方法，属于图像处理技术领域，为解决现有方法对于切片间的上下文信息提取不够充分，难以对多变性的颅内出血病灶的CT图像进行准确分割的问题。包括：S1、构建颅内出血CT图像数据集；S2、对数据进行归一化处理，包括空间归一化和信号归一化；S3、构建颅内出血CT图像分割网络模型，所述模型基于3D U‑Net网络，模型构建有3D CDC模块，以实现挖掘CT图像数据中切片间的上下文信息，还构建有3D CA注意力模块，在通道注意力中嵌入位置信息，使网络更加关注有效的脑血肿区域；S4、采用所述颅内出血CT图像分割网络模型对颅内出血CT图像的出血病灶进行分割。本发明模型具有较高的分割精度。