公开(公告)号：CN116721253A

公开(公告)日：2023-09-08

申请号：CN202310687349.6

申请日：2023-06-12

Applicant: 湖南科技大学

Inventor： 廖苗 ,  邸拴虎 ,  唐红亮 ,  梁伟 ,  赵于前

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的腹部CT图像多器官分割方法，具体实现为：(1)构建包含腹部CT图像和其对应的多器官分割结果的训练数据集；(2)设计一种基于双自注意力机制和多尺度特征融合的分割网络；(3)结合Dice损失与Focal损失构建网络损失函数；(4)利用训练数据集对网络进行训练；(5)运用训练好的网络分割腹部CT图像中的各器官区域。本发明通过采用双注意力和多尺度特征融合机制，可在引入非常少量的参数及浮点计算次数的情况下，更具针对性地建立长距离依赖，解决形状不规则的长条形器官分割精度低的问题。

公开(公告)号：CN117495871A

公开(公告)日：2024-02-02

申请号：CN202311370507.1

申请日：2023-10-23

Applicant: 湖南科技大学

Inventor： 廖苗 ,  唐红亮 ,  杨睿新 ,  邸拴虎 ,  赵于前

IPC: G06T7/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于残差解码结构的医学图像分割方法，具体实现为：(1)建立包含原始图像和其对应分割金标准的训练数据集；(2)构建一种基于残差解码结构的编解码网络，该网络在编码路径中采用无损下采样降低图像分辨率、扩大网络感受野，同时在解码器中引入注意力门和卷积注意力对不同来源特征进行深度挖掘与提取，并引入残差连接，将不同解码阶段的特征进行融合；(4)利用训练数据集对网络进行训练，直至预先设定的损失函数收敛；(5)运用训练好的网络对待分割的图像进行测试，得到分割结果。本发明可有效解决现有下采样操作造成的信息丢失问题，充分挖掘特征的相互依赖关系，获得精确的分割结果。