公开(公告)号：CN117876352A

公开(公告)日：2024-04-12

申请号：CN202410069928.9

申请日：2024-01-17

Applicant: 海南大学

Inventor： 尤佳 ,  唐浩 ,  徐博 ,  李京兵 ,  刘晋汝

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06T5/60

Abstract: 本发明公开了U‑V的特征增强融合用于脑肿瘤MRI图像分割的方法，具体内容为：整个流程是一个端到端的系统，从原始图像的预处理开始，通过特征增强提高图像质量，接着使用U‑Net模型进行局部特征提取和分割，最后应用ViT Transformer进行全局上下文分析和精确分割；这种结合了深度学习和Transformer架构的方法体现了在医学图像分割任务中的先进技术和创新应用。

公开(公告)号：CN119942107A

公开(公告)日：2025-05-06

申请号：CN202411949885.X

申请日：2024-12-27

Applicant: 海南大学

Inventor： 尤佳 ,  黄梦醒 ,  刘晋汝 ,  毋媛媛 ,  张雨 ,  刘慧舟 ,  徐博

IPC: G06V10/26 ,  G06V10/22 ,  G06V10/30 ,  G06V10/36 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明公开了基于深度学习的脑肿瘤自动分割方法，首先特征增强，然后补丁嵌入与位置嵌入，使用Vision Transformer编码器捕捉远程依赖关系和全局上下文信息，从而提升模型对复杂结构的理解能力；通过集成多个Transformer层的跳跃连接，结合U‑Net架构，保留多尺度特征以进行细致解码；最后解码阶段改进，从而确保分割结果的准确性和细节。本发明还公开了基于深度学习的脑肿瘤自动分割系统。本发明能够有效处理脑部MRI图像，解决了现有分割技术在复杂肿瘤形态、噪声干扰和多尺度特征提取方面的不足，具有更高的分割精度和鲁棒性。