-
公开(公告)号：CN109685819B
公开(公告)日：2021-02-26
申请号：CN201811510480.0
申请日：2018-12-11
Applicant: 厦门大学
Abstract: 一种基于特征增强的三维医学图像分割方法，涉及图像处理领域。构造一种U型卷积神经网络，实现端到端的医学图像分割；将医学图像的多个模态的图像分别作为输入送入到并行的U型卷积神经网络中，得到不同的特征图；提取多个并行网络的特征图并融合，再进行卷积，得到不同特征图各自的权重图；将并行网络各自的体素级权重与原先的特征图相乘，完成特征增强过程；将所有并行网络末端的特征图融合，得到多张概率图，从而得到分割结果。能有效地增强特征图中有用的信息，抑制冗余信息。同时，相较于其他注意力加权方式，该加权方法考虑到了图像的多模态信息和三维信息，从而获得更好的分割效果。
-
公开(公告)号：CN109685819A
公开(公告)日：2019-04-26
申请号：CN201811510480.0
申请日：2018-12-11
Applicant: 厦门大学
Abstract: 一种基于特征增强的三维医学图像分割方法，涉及图像处理领域。构造一种U型卷积神经网络，实现端到端的医学图像分割；将医学图像的多个模态的图像分别作为输入送入到并行的U型卷积神经网络中，得到不同的特征图；提取多个并行网络的特征图并融合，再进行卷积，得到不同特征图各自的权重图；将并行网络各自的体素级权重与原先的特征图相乘，完成特征增强过程；将所有并行网络末端的特征图融合，得到多张概率图，从而得到分割结果。能有效地增强特征图中有用的信息，抑制冗余信息。同时，相较于其他注意力加权方式，该加权方法考虑到了图像的多模态信息和三维信息，从而获得更好的分割效果。
-
公开(公告)号：CN109598732B
公开(公告)日：2022-06-14
申请号：CN201811510501.9
申请日：2018-12-11
Applicant: 厦门大学
Abstract: 一种基于三维空间加权的医学图像分割方法，涉及图像处理领域。构造一种U型卷积神经网络，实现端到端的医学图像分割；将医学图像的多个模态的图像分别作为输入送入到并行的深度学习网络中，得到不同的特征图；提取多个并行网络的特征图并融合，再进行非线性变换，得到每个并行网络各自的体素级权重；将并行网络各自的体素级权重与原先的特征图相乘，完成特征的重标定；将所有并行网络末端的特征图融合，得到多张概率图，从而得到分割结果。利用变换得到三维空间中权重，再将权重与特征图相乘，以达到特征重标定的目的。相较于传统的深度学习分割模型，该空间加权方式能有效地提高网络中特征图的表征能力，从而取得更好的分割效果。
-
公开(公告)号：CN109598732A
公开(公告)日：2019-04-09
申请号：CN201811510501.9
申请日：2018-12-11
Applicant: 厦门大学
Abstract: 一种基于三维空间加权的医学图像分割方法，涉及图像处理领域。构造一种U型卷积神经网络，实现端到端的医学图像分割；将医学图像的多个模态的图像分别作为输入送入到并行的深度学习网络中，得到不同的特征图；提取多个并行网络的特征图并融合，再进行非线性变换，得到每个并行网络各自的体素级权重；将并行网络各自的体素级权重与原先的特征图相乘，完成特征的重标定；将所有并行网络末端的特征图融合，得到多张概率图，从而得到分割结果。利用变换得到三维空间中权重，再将权重与特征图相乘，以达到特征重标定的目的。相较于传统的深度学习分割模型，该空间加权方式能有效地提高网络中特征图的表征能力，从而取得更好的分割效果。
-
-
-
Search Results
4
records
(took 0.015 seconds)
