公开(公告)号：CN112288739B

公开(公告)日：2022-04-22

申请号：CN202011310011.1

申请日：2020-11-20

Applicant: 哈尔滨工业大学

Inventor： 姜力 ,  何天宝 ,  郭闯强 ,  刘涵嵩

IPC: G06T7/00 ,  G06T7/12 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度学习的静脉血管分割方法，它属于生物识别以及医疗影像技术领域。本发明解决了采用传统方法对静脉血管成像的质量差的问题。本发明方法的具体实施过程为：步骤S1、采集静脉血管图像，并对采集的图像进行图像增强处理；步骤S2、对增强处理后的图像进行标注，将标注后的图像调整为统一尺寸，获得尺寸调整后的图像，尺寸调整后的图像组成训练数据集；步骤S3、利用训练数据集对融合注意力机制的UNet模型进行训练，获得训练好的融合注意力机制的UNet模型；步骤S4、将采集的新图像输入训练好的融合注意力机制的UNet模型，通过训练好的融合注意力机制的UNet模型获得对新图像的静脉血管分割结果。本发明可以应用于静脉血管分割。

公开(公告)号：CN112288739A

公开(公告)日：2021-01-29

申请号：CN202011310011.1

申请日：2020-11-20

Applicant: 哈尔滨工业大学

Inventor： 姜力 ,  何天宝 ,  郭闯强 ,  刘涵嵩

IPC: G06T7/00 ,  G06T7/12 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度学习的静脉血管分割方法，它属于生物识别以及医疗影像技术领域。本发明解决了采用传统方法对静脉血管成像的质量差的问题。本发明方法的具体实施过程为：步骤S1、采集静脉血管图像，并对采集的图像进行图像增强处理；步骤S2、对增强处理后的图像进行标注，将标注后的图像调整为统一尺寸，获得尺寸调整后的图像，尺寸调整后的图像组成训练数据集；步骤S3、利用训练数据集对融合注意力机制的UNet模型进行训练，获得训练好的融合注意力机制的UNet模型；步骤S4、将采集的新图像输入训练好的融合注意力机制的UNet模型，通过训练好的融合注意力机制的UNet模型获得对新图像的静脉血管分割结果。本发明可以应用于静脉血管分割。