-
公开(公告)号:CN117011254A
公开(公告)日:2023-11-07
申请号:CN202310933572.4
申请日:2023-07-27
Applicant: 三峡大学
IPC: G06T7/00 , G16H30/40 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于优化Yolov5的腰椎MRI图像检测算法,首先通过引入CutMix数据增强,避免了过拟合问题,提高数据多样性,有助于提升网络泛化能力,其次添加CA注意力机制,防止腰椎周边可能存在钙化、信号影弱等问题,有助于让模型检测识别感兴趣目标,同时更加精准定位,最后通过修改损失函数方式,等量的计算量前提下,提升了网络模型的收敛速度,预防了模型在最优点边界附近徘徊。采用综合优化后Yolov5模型相较于原版模型在对腰椎MRI图像识别检测时,从实际数据的各项评价指标显示效果十分理想,将大量腰椎MRI图像变得直观可视,操作过程简单方便,使医务人员的临床工作效率得到提升,对社会贡献有着重大的意义。
-
公开(公告)号:CN117036378A
公开(公告)日:2023-11-10
申请号:CN202310743061.6
申请日:2023-06-21
Applicant: 三峡大学
IPC: G06T7/11 , G06T7/00 , G06V10/75 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于改进SSD前列腺图像分割算法,该方法是先定位、后分割的前列腺分割算法,方法首先利用改进的SSD目标检测算法对待分割的前列腺超声图进行检测定位,接着利用先验知识制作的平均模板对前列腺进行分割从而完成分割任务,不仅有效的提高了分割精度,并且有着较强的泛化能力;解决了现有技术模型学习不充分,泛化能力差,未能很好的完成对前列腺超声图的分割的问题;发挥了深度学习与传统方法各自的优势,在实际应用中达到了精度高、耗时短的效果,实现了端到端的分割,操作过程简单方便,解放了医务人员的双手,分割结果清晰直观。
-