-
公开(公告)号：CN114881968B
公开(公告)日：2024-10-22
申请号：CN202210488808.3
申请日：2022-05-07
Applicant: 中南大学
IPC: G06V10/26 , G06V20/70 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06T7/00 , G06N3/048
Abstract: 本发明公开了一种基于深度卷积神经网络的OCTA图像血管分割方法、设备及介质，属于医学图像处理技术领域。其中方法包括：针对待分割的OCTA图像中的en face图像，使用训练好的血管分割模型进行血管分割；其中，所述血管分割模型采用深度卷积神经网络结构，由粗分网络和细分网络级联而成；所述粗分网络接受en face图像作为输入，生成初步的血管分割图；所述细分网络拼接原始的en face图像和初步血管分割图并作为新的输入，最终输出细化后的血管分割图。本发明的深度卷积神经网络能够完整、精确地提取血管信息，尤其是在微血管分割方面表现优异。
-
公开(公告)号：CN114881968A
公开(公告)日：2022-08-09
申请号：CN202210488808.3
申请日：2022-05-07
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度卷积神经网络的OCTA图像血管分割方法、设备及介质，属于医学图像处理技术领域。其中方法包括：针对待分割的OCTA图像中的en face图像，使用训练好的血管分割模型进行血管分割；其中，所述血管分割模型采用深度卷积神经网络结构，由粗分网络和细分网络级联而成；所述粗分网络接受en face图像作为输入，生成初步的血管分割图；所述细分网络拼接原始的en face图像和初步血管分割图并作为新的输入，最终输出细化后的血管分割图。本发明的深度卷积神经网络能够完整、精确地提取血管信息，尤其是在微血管分割方面表现优异。
-
公开(公告)号：CN116703945A
公开(公告)日：2023-09-05
申请号：CN202310697635.0
申请日：2023-06-13
Applicant: 中南大学
IPC: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种乳腺超声图像的肿瘤分割方法、系统、介质及终端，其中方法包括：获取乳腺超声图像；将乳腺超声图像输入编码器，编码提取多级语义特征图；将多级语义特征图输入解码器进行细化增强，得到分级多尺度特征映射；基于分级多尺度特征映射融合跨层特征，输出细化的病变区域分割图。其中方法能够有效的抑制乳腺超声图像的噪声、提高肿瘤病变区域分割精度。
-
公开(公告)号：CN116485815A
公开(公告)日：2023-07-25
申请号：CN202310485440.X
申请日：2023-05-04
Applicant: 中南大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于双尺度编码器网络的医学图像分割方法、设备和介质，方法针对待分割的医学图像，使用训练好的双尺度编码器网络DSE‑Net对图像的目标进行分割；DSE‑Net由粗分割和细分割部分组成；粗分割部分使用双尺度编码器对医学图像逐层编码，并使用解码器对编码输出的特征图逐层上采样直至恢复到输入图像大小，并输出预测的粗分割图；其中编码器包括两种尺度的编码块；细分割部分使用基于Transformer的细化模块对粗分割图进行细化，得到细化的医学图像分割图。本发明使用双尺度编码器网络，能够捕获不同的视野信息，获取更丰富的上下文信息，对损失的信息进行相互补充，实现对医学图像更精确、更完整的分割。
-
-
-
Search Results
4
records
(took 0.02 seconds)
