-
公开(公告)号:CN112258526A
公开(公告)日:2021-01-22
申请号:CN202011199922.1
申请日:2020-10-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于对偶注意力机制的CT肾脏区域级联分割方法,包括如下步骤:S101、对原始CT图片进行预处理操作,获得训练数据集;S102、设计三维对偶注意力机制模块,充分提取完备的特征信息;S103、构建三维对偶注意力模块驱动的CT图像肾脏感兴趣区域级联分割网络;S104、设计级联分割网络的损失函数,并学习网络参数;S105、将S101得到的训练数据下采样一倍作为输入,送入S103的级联分割网络的第一级粗分割网络;把第一级粗分割网络的结果上采样一倍,与原始输入的训练数据融合后送入第二级细分割网络学习,并获得最终分割结果。本发明可以显著提高对肾脏及其感兴趣区域的分割精度。
-
公开(公告)号:CN112767407B
公开(公告)日:2023-07-07
申请号:CN202110141339.3
申请日:2021-02-02
Applicant: 南京信息工程大学
IPC: G06T7/10 , G06T7/13 , G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法,包括:采集腹部CT扫描中包含肾脏的图像序列,对每个图像序列中的肾脏及肿瘤进行标注,生成对应的标注掩码,构建数据集Dataset;对Dataset进行P1预处理操作,构建肾脏(包括肿瘤)分割的U型深度网络模型M1;对Dataset中的图像序列与对应的标注掩码进行裁剪,取出只有肾脏(或肿瘤)的体素部分,进行P2预处理操作,基于门控卷积层构建肿瘤分割的深度网络分割模型M2;分别对模型M1、M2进行训练;通过模型M1和M2的级联处理分割出肾脏肿瘤区域。本发明通过网络级联的两阶段分割模型,并联合门控卷积层构建了用于肿瘤分割的深度网络模型,能够对癌变肾脏的形状变化保持鲁棒,有效分割出不同尺寸的肿瘤。
-
公开(公告)号:CN112258526B
公开(公告)日:2023-06-27
申请号:CN202011199922.1
申请日:2020-10-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于对偶注意力机制的CT肾脏区域级联分割方法,包括如下步骤:S101、对原始CT图片进行预处理操作,获得训练数据集;S102、设计三维对偶注意力机制模块,充分提取完备的特征信息;S103、构建三维对偶注意力模块驱动的CT图像肾脏感兴趣区域级联分割网络;S104、设计级联分割网络的损失函数,并学习网络参数;S105、将S101得到的训练数据下采样一倍作为输入,送入S103的级联分割网络的第一级粗分割网络;把第一级粗分割网络的结果上采样一倍,与原始输入的训练数据融合后送入第二级细分割网络学习,并获得最终分割结果。本发明可以显著提高对肾脏及其感兴趣区域的分割精度。
-
公开(公告)号:CN111401201B
公开(公告)日:2023-06-20
申请号:CN202010164167.7
申请日:2020-03-10
Applicant: 南京信息工程大学
IPC: G06V20/17 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于空间金字塔注意力驱动的航拍图像多尺度目标检测方法,包括以下步骤:首先针对大尺寸数据集运用分块处理方法增强训练数据集理;设计卷积注意力增强特征表示的残差网络作为基干网络,进而高效提取图像特征;进一步构建空间金字塔注意力模块,促使网络能够更加的准确聚焦不同尺度的目标,提取目标所在的感兴趣区域;建立目标类别分析与目标框回归模块,对不同尺度下感兴趣区域进行分类与目标框预测;在测试阶段用训练好的检测网络,采用多尺度测试策略,再通过全局集成非极大值抑制算法,融合不同尺度的检测结果,进一步提升检测准确率。
-
公开(公告)号:CN112767407A
公开(公告)日:2021-05-07
申请号:CN202110141339.3
申请日:2021-02-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法,包括:采集腹部CT扫描中包含肾脏的图像序列,对每个图像序列中的肾脏及肿瘤进行标注,生成对应的标注掩码,构建数据集Dataset;对Dataset进行P1预处理操作,构建肾脏(包括肿瘤)分割的U型深度网络模型M1;对Dataset中的图像序列与对应的标注掩码进行裁剪,取出只有肾脏(或肿瘤)的体素部分,进行P2预处理操作,基于门控卷积层构建肿瘤分割的深度网络分割模型M2;分别对模型M1、M2进行训练;通过模型M1和M2的级联处理分割出肾脏肿瘤区域。本发明通过网络级联的两阶段分割模型,并联合门控卷积层构建了用于肿瘤分割的深度网络模型,能够对癌变肾脏的形状变化保持鲁棒,有效分割出不同尺寸的肿瘤。
-
公开(公告)号:CN111401201A
公开(公告)日:2020-07-10
申请号:CN202010164167.7
申请日:2020-03-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于空间金字塔注意力驱动的航拍图像多尺度目标检测方法,包括以下步骤:首先针对大尺寸数据集运用分块处理方法增强训练数据集理;设计卷积注意力增强特征表示的残差网络作为基干网络,进而高效提取图像特征;进一步构建空间金字塔注意力模块,促使网络能够更加的准确聚焦不同尺度的目标,提取目标所在的感兴趣区域;建立目标类别分析与目标框回归模块,对不同尺度下感兴趣区域进行分类与目标框预测;在测试阶段用训练好的检测网络,采用多尺度测试策略,再通过全局集成非极大值抑制算法,融合不同尺度的检测结果,进一步提升检测准确率。
-
-
-
-
-