公开(公告)号：CN113470044A

公开(公告)日：2021-10-01

申请号：CN202110641080.9

申请日：2021-06-09

Applicant: 东北大学

Inventor： 付冲 ,  贾体慧 ,  戴黎明

IPC: G06T7/11

Abstract: 本发明是一种基于深度卷积神经网络的CT图像肝脏自动分割方法，包括以下步骤，步骤1：建立训练样本集，包括读取肝脏CT数据集原始文件，制作肝脏分割数据集，将数据集尺寸统一为固定尺寸并按比例分为测试集和训练集；步骤2：构建深度注意力反残差模块，并使用无参下采样方式进行下采样，进一步降低网络参数量；步骤3：建立深度注意力反残差网络；步骤4：使用训练集训练网络，对效果表现良好的训练模型进行筛选保存；步骤5：在测试集中验证模型可用性。本发明对肝脏CT影像进行处理，精确快速分割出肝脏区域，用于任意肝脏病变检测系统中，网络参数规模较小，具有实用性。

公开(公告)号：CN113610859B

公开(公告)日：2023-10-31

申请号：CN202110629829.8

申请日：2021-06-07

Applicant: 东北大学

Inventor： 付冲 ,  戴黎明 ,  李祎曼

IPC: G16H30/00 ,  G06T7/11

Abstract: 本发明是一种基于超声图像的甲状腺结节自动分割方法，包括以下步骤：步骤1：利用公开甲状腺结节数据集建立训练集及测试集；包括对图像和XML文件进行处理，再经过裁剪得到图像与其对应的标签，按比例分为训练集、测试集和交叉验证集；步骤2：建立甲状腺结节分割网络：其中使用空洞卷积、密集连接以及repair‑module(修正模块)等网络结构；步骤3：利用训练集对甲状腺结节分割网络进行训练，得到训练好的分割模型；步骤4：在测试集中验证分割模型，对甲状腺结节进行分割，得到结节病灶信息。本发明利用训练集对甲状腺结节分割网络进行训练，得到训练好的分割模型，辅助医生提高诊断效率。

公开(公告)号：CN113610859A

公开(公告)日：2021-11-05

申请号：CN202110629829.8

申请日：2021-06-07

Applicant: 东北大学

Inventor： 付冲 ,  戴黎明 ,  李祎曼

IPC: G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一种基于超声图像的甲状腺结节自动分割方法，包括以下步骤：步骤1：利用公开甲状腺结节数据集建立训练集及测试集；包括对图像和XML文件进行处理，再经过裁剪得到图像与其对应的标签，按比例分为训练集、测试集和交叉验证集；步骤2：建立甲状腺结节分割网络：其中使用空洞卷积、密集连接以及repair‑module(修正模块)等网络结构；步骤3：利用训练集对甲状腺结节分割网络进行训练，得到训练好的分割模型；步骤4：在测试集中验证分割模型，对甲状腺结节进行分割，得到结节病灶信息。本发明利用训练集对甲状腺结节分割网络进行训练，得到训练好的分割模型，辅助医生提高诊断效率。