-
公开(公告)号：CN118898628A
公开(公告)日：2024-11-05
申请号：CN202410932956.9
申请日：2024-07-12
Applicant: 三峡大学
IPC: G06T7/11 , G06V10/26 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/776 , G06V10/80 , G06N3/048 , G06T7/00 , G06N3/09
Abstract: 一种改进的UNet肺结节分割方法，包括以下步骤：S1、进行数据集准备、数据集划分和实验环境准备；S2、对UNet模型引入高阶CutMix数据增强算法：S3、对UNet模型添加ECA注意力模块；S4、对UNet模型将上采样替换成Dysample模块；S5、在UNet的上采样后面添加深监督模块；S6、使用交叉熵与GDL混合损失。本发明所要解决的技术问题是提供一种改进的UNet肺结节分割方法，添加了ECA模块，ECA模块通过动态调整特征图中不同通道的权重，加强了模型对重要特征的关注度，从而提升了模型的识别能力。运用Dysmple模块减少了上采样的计算量，添加深监督模块加速网络训练过程，采用混合损失解决类别不平衡问题。
-
公开(公告)号：CN116563316A
公开(公告)日：2023-08-08
申请号：CN202310398165.8
申请日：2023-04-12
Applicant: 三峡大学
IPC: G06T7/12 , G06T7/00 , G06T5/00 , G06N3/0455
Abstract: 本发明涉及基于降噪自编码器的前列腺超声图像分割方法，包括：获取表征前列腺形状的平均轮廓；对所述平均轮廓进行变形处理；得到粗分割轮廓；利用降噪自编码器进行平滑处理；采用法向量对比度边界计算方法对平滑处理后的轮廓反复调整，得到最终的前列腺超声图像分割轮廓。本发明还公开了相应的前列腺超声图像分割装置。本发明先初步框定后，再通过改进后的法向量对比度边界算法对初步框定的轮廓进行修正，接着进行平滑处理，以消除其上的噪点，然后通过多轮迭代，使轮廓不断收敛在真实边界上，实现了对前列腺超声图像的快速分割，在轮廓平滑处理阶段，只输入轮廓而不输入图像，降低了计算量，大大提高了前列腺超声图像的分割效率。
-
公开(公告)号：CN117218137A
公开(公告)日：2023-12-12
申请号：CN202310743042.3
申请日：2023-06-21
Applicant: 三峡大学
IPC: G06T7/11 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G06T7/13 , G06T7/64
Abstract: 本发明公开了一种深度学习结合传统学习的前列腺图像分割算法，对U‑Net模型引入了ASSP模块，改进后的U‑Net网络对前列腺图像进行粗分割，再通过改进的法向量边界算子对前列腺进行精分割；设计的基于半圆区灰度差对前列腺图像精分割的算法，对原Hodge算法中进行改进，扩大了单根法向量领域灰度信息，纳入了更多像素信息，设计了一种对前列腺边界上异位点检测重构的方法。通过单个点与之相邻的线段的斜率差来表示该点曲率，去自动判断是否为异位点；该方案解决了现有技术对于前列腺分割任务中，消耗大量时间，效率不足的问题，具有更为快速、精确的自动化分割效果，操作过程简单方便，分割结果清晰直观的特点。
-
公开(公告)号：CN118898627A
公开(公告)日：2024-11-05
申请号：CN202410932950.1
申请日：2024-07-12
Applicant: 三峡大学
IPC: G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/80 , G06N3/048 , G06V10/774 , G06V10/776 , G06V10/26 , G06N3/09 , G06V10/82
Abstract: 一种改进的TransUNet肺部图像分割方法，包括以下步骤：S0、采集肺部图像；S1、基于改进的TransUNet对肺部图像初分割；S2、将TransUNet中跳层连接Concat替换成AFF；S3、在改进TransUNet网络中添加深监督模块。本发明提供一种改进的TransUNet肺部图像分割方法，通过添加挤压和激励模块提高TransUNet改善了网络的误分割、多分割、边界毛糙不平滑。提高了分割图的精确度和召回率。通过添加AFF模块，减少了实验参数，优化特征图的融合，减少了大量冗余信息。使网络轻量化。添加深监督机制，加快网络训练时间，加速了患者诊断时间。
-
-
-
Search Results
4
records
(took 0.014 seconds)
