-
公开(公告)号:CN118710915B
公开(公告)日:2024-11-05
申请号:CN202411211236.X
申请日:2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G06V10/26 , G06V10/42 , G06V10/82 , G06V10/44 , G06N3/0442 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于频域增强和门控解码的图像分割方法,包括:S1:构建数据集;S2:构建图像分割模型,导入图像进入混合编码模块,获取图像特征信息;其中,导入步骤S1的图像进入混合编码模块的过程中,混合编码模块的编码模块的残差结构块依次对图像进行下采样,获取残差提取信息;S3:导入图像至频域增强模块,获取增强特征信息;S4:导入图像信息至门控解码模块中,获取门控解码信息;S5:对门控解码信息通过进行卷积获取最终的预测分割图像,构建损失函数。本发明通过设置混合编码模块和频域增强模块来充分利用肝肿瘤图像的频域信息,并利用门控解码模块内的门控机制来引导解码过程,提高了肝肿瘤图像分割的准确度。
-
公开(公告)号:CN118760968A
公开(公告)日:2024-10-11
申请号:CN202411246363.3
申请日:2024-09-06
Applicant: 南昌大学第一附属医院
IPC: G06F18/2411 , G06F18/214 , G06N3/0464 , G06N3/045 , G16H10/60
Abstract: 本发明提供一种基于联合神经网络的预测方法,包括:S1:构建数据集,数据集包括带有标签信息的患者的离体检测数据,对离体检测数据进行预处理;S2:构建预测模型,导入步骤S1中数据集的离体检测数据分别至预测模型的GCN网络、CNN网络和GA‑NET网络以同时提取离体检测数据的特征表示;S3:对步骤S2获取的不同维度的特征表示,分别进行加权累加以获取预测输入,将预测输入导入至预测模型中的预测层中,获取预测输出;S4:构建损失函数并根据步骤S3的预测输出和步骤S1的离体检测数据的标签计算损失,最小化损失以更新预测模型的参数。本发明引入了多视角深度学习的思想,能够更全面地捕获数据的特征信息,提高了特征表示的能力。
-
公开(公告)号:CN118710759A
公开(公告)日:2024-09-27
申请号:CN202411210605.3
申请日:2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G06T11/00 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于生成对抗网络生成图像的方法,通过在基于生成对抗网络的图像生成模型中在解码层中设置动态均匀采样层,对输入模型的图像进行约束态下的动态均匀采样,从而减少了模型生成的重构图像的交替式网纹。
-
公开(公告)号:CN118710915A
公开(公告)日:2024-09-27
申请号:CN202411211236.X
申请日:2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G06V10/26 , G06V10/42 , G06V10/82 , G06V10/44 , G06N3/0442 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于频域增强和门控解码的图像分割方法,包括:S1:构建数据集;S2:构建图像分割模型,导入图像进入混合编码模块,获取图像特征信息;其中,导入步骤S1的图像进入混合编码模块的过程中,混合编码模块的编码模块的残差结构块依次对图像进行下采样,获取残差提取信息;S3:导入图像至频域增强模块,获取增强特征信息;S4:导入图像信息至门控解码模块中,获取门控解码信息;S5:对门控解码信息通过进行卷积获取最终的预测分割图像,构建损失函数。本发明通过设置混合编码模块和频域增强模块来充分利用肝肿瘤图像的频域信息,并利用门控解码模块内的门控机制来引导解码过程,提高了肝肿瘤图像分割的准确度。
-
公开(公告)号:CN118710759B
公开(公告)日:2024-11-05
申请号:CN202411210605.3
申请日:2024-08-30
Applicant: 南昌大学第一附属医院
IPC: G06T11/00 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于生成对抗网络生成图像的方法,通过在基于生成对抗网络的图像生成模型中在解码层中设置动态均匀采样层,对输入模型的图像进行约束态下的动态均匀采样,从而减少了模型生成的重构图像的交替式网纹。
-
-
-
-