公开(公告)号：CN119888225A

公开(公告)日：2025-04-25

申请号：CN202411935799.3

申请日：2024-12-26

Applicant: 安徽理工大学

Inventor： 梁镇洹 ,  贾晓芬 ,  张梅 ,  赵佰亭 ,  王琮

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06T7/00

Abstract: 本发明公开了一种多尺度信息融合互补的轻量化肺结节分割模型及其实现方法，分割模型包括特征挖掘编码模块、特征强化模块、特征映射解码模块，特征挖掘编码模块。特征挖掘编码模块使用不同尺度卷积残差块从CT图像中深挖肺结节区域的深浅层信息，同时引入EMA注意力机制丰富特征图的语义信息；特征强化模块中设计了E‑MLCA注意力机制，它从全局与局部、通道与空间两个维度促进语义信息的互补融合；利用RMF模块来增强多尺度特征，解决通道间的细节信息缺失问题。特征映射解码模块通过四层解码层特征的重组与融合以及分割效果图的分通道强化，实现病灶区域边缘区域的平滑，真实反应结节区域的形状。本发明方法在保持较小的参数量的同时取得了优异的分割效果，分割后的特征图较平滑，主观效果较好，具有重要的临床应用价值。

公开(公告)号：CN119006828A

公开(公告)日：2024-11-22

申请号：CN202411228910.5

申请日：2024-09-03

Applicant: 安徽理工大学

Inventor： 贾晓芬 ,  王文杰 ,  张梅 ,  赵佰亭 ,  王琮

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/42 ,  G06N3/048 ,  G06V10/774

Abstract: 本发明公开了一种适用于医学图像分割的网络，所述编码器将给定医学图像先经过四个特征提取阶段，每阶段以单个Enhanced CBAM模块引导连续的Residual CNN层提取带有全局信息的局部特征，再将所述局部特征通过EnNon‑local模块编码为带有长距离依赖的特征；所述解码器将编码器的最终输出特征经过一个卷积块后做为初始输入，通过跳跃连接将来自编码器的高分辨率特征与解码器的高维特征进行拼接，以级联上采样器逐级恢复到目标分辨率。还公开了利用该网络的适用于医学图像分割的实现方法。本发明弥补了现有模型在CNN部分对全局信息的缺乏，并利用自注意力机制编码了长距离信息，减少了计算负担。