公开(公告)号：CN119832012A

公开(公告)日：2025-04-15

申请号：CN202510086100.9

申请日：2025-01-20

Applicant: 南通大学

Inventor： 张晓峰 ,  陈嘉伟 ,  周裕阳 ,  刘继康 ,  沈欣宇 ,  阚周雨

IPC: G06T7/11 ,  G06T7/00 ,  G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06T3/4007 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/09 ,  G06N3/084

Abstract: 本发明提供了一种融合SAM全局建模与U‑Net局部优化的医学图像分割方法，属于图像分割的医学图像分割技术领域。解决了传统方法在分割过程中无法同时兼顾全局语义特征与局部细节特征而导致分割精度不足及边缘细节丢失的技术问题。其技术方案为：包括以下步骤：步骤一，对医学图像进行预处理；步骤二，构建融合视觉Transformer和卷积网络的分割模型；步骤三，使用带有二元交叉熵损失函数的监督学习方法对分割模型进行训练；步骤四，将待分割图像输入训练好的模型，生成医学图像的分割结果。本发明的有益效果为：通过结合SAM的全局建模能力和U‑Net的局部优化能力，有效提升医学图像分割的准确性与鲁棒性。

公开(公告)号：CN119494038A

公开(公告)日：2025-02-21

申请号：CN202411572939.5

申请日：2024-11-06

Applicant: 南通大学

Inventor： 张晓峰 ,  徐辉 ,  万杰 ,  滕堂智 ,  阚周雨

IPC: G06F18/2413 ,  G06F18/22 ,  G06F18/214 ,  G06F30/27 ,  G06N3/0455 ,  G06F123/02

Abstract: 本发明提供了一种基于局部敏感hash的时序分解特征最近邻搜索方法，属于深度学习技术领域，解决了数据分布不同带来的训练结果与测试结果存在差异的技术问题。其技术方案为：堆叠分解网络时序数据分解为通道相似项和非相似项、局部敏感hash实现高维空间内的最近邻搜索压缩自注意力矩阵、一个三重损失函数减小源域目标域的数据分布差异。本发明的有益效果为：本发明方法与现有的一些深度学习方法相比，具有更高的识别准确率。

公开(公告)号：CN119832011A

公开(公告)日：2025-04-15

申请号：CN202510026750.4

申请日：2025-01-08

Applicant: 南通大学

Inventor： 张晓峰 ,  刘继康 ,  周裕阳 ,  陈嘉伟 ,  沈欣宇 ,  阚周雨

IPC: G06T7/11 ,  G06T7/00 ,  G06T5/10 ,  G06T5/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于小波变换和注意力机制的医学图像分割方法，属于医学图像处理的图像分割技术领域。解决了传统CNN感受野限制导致不能捕获全局特征和同级编码器解码器特征之间的语义差距的技术问题。其技术方案为：包括以下步骤：步骤一、对输入的息肉医学图像进行预处理；步骤二、构建基于小波变换和注意力机制的编码器解码器网络；步骤三、将预处理后的息肉图像数据集输入到于小波变换和注意力机制的编码器解码器网络中进行训练，保留最优模型；步骤四、训练完成后，将息肉医学图像验证集输入到已经得到的最优模型中。检测模型在息肉医学图像验证集中的病灶分割效果。本发明能够更精确地分割息肉病灶，提高了准确率和鲁棒性。

公开(公告)号：CN119722708A

公开(公告)日：2025-03-28

申请号：CN202411856911.4

申请日：2024-12-17

Applicant: 南通大学

Inventor： 张晓峰 ,  周裕阳 ,  陈嘉伟 ,  刘继康 ,  沈欣宇 ,  阚周雨

IPC: G06T7/11 ,  G06N3/0464 ,  G06T5/70 ,  G06N3/0442 ,  G06N3/045 ,  G06T7/90 ,  G06T5/40 ,  G06N3/048 ,  G06T7/00

Abstract: 本发明提供了一种基于门控聚合和Inception的医学图像分割方法，属于图像分割的医学图像分割技术领域。解决了传统方法没有充分利用编码器提取特征和融合特征的技术问题。其技术方案为：包括以下步骤：步骤一、对输入的皮肤病医学图像进行预处理；步骤二、构建基于门控聚合和Inception的Unet网络；步骤三、将预处理后的皮肤病医学图像数据集输入到基于门控聚合和Inception的Unet网络中进行训练，得到最优模型；步骤四、训练完成后，将皮肤病医学图像测试集输入到已得到的最优模型中，检测皮肤病医学图像中病灶的分割结果。本发明的有益效果为：保证较高的分割的准确性和鲁棒性。