公开(公告)号：CN114066866A

公开(公告)日：2022-02-18

申请号：CN202111390961.4

申请日：2021-11-23

Applicant: 湖南科技大学

Inventor： 廖苗 ,  邸拴虎 ,  杨文瀚 ,  赵于前 ,  杨振 ,  曾业战

IPC: G06T7/00 ,  G06T7/136 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种基于深度学习的医学图像自动分割方法，具体实现为：(1)获取病人原始医学图像与目标区域手动分割结果，构建与分割任务相关的训练数据集；(2)设计一种融合残差模块与注意力机制的深度U形卷积神经网络模型；(3)利用Dice与二元交叉熵构建混合损失函数；(4)利用训练数据集进行网络训练；(5)用训练好的网络分割测试图像中的目标区域。本发明是一种端到端的医学图像全自动分割方法，可有效解决目前深度学习图像分割领域中存在的分割边界模糊，小目标检出率较低，训练过程不稳定，收敛困难等问题。

公开(公告)号：CN114066866B

公开(公告)日：2024-04-26

申请号：CN202111390961.4

申请日：2021-11-23

Applicant: 湖南科技大学

Inventor： 廖苗 ,  邸拴虎 ,  杨文瀚 ,  赵于前 ,  杨振 ,  曾业战

IPC: G06T7/00 ,  G06T7/136 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种基于深度学习的医学图像自动分割方法，具体实现为：(1)获取病人原始医学图像与目标区域手动分割结果，构建与分割任务相关的训练数据集；(2)设计一种融合残差模块与注意力机制的深度U形卷积神经网络模型；(3)利用Dice与二元交叉熵构建混合损失函数；(4)利用训练数据集进行网络训练；(5)用训练好的网络分割测试图像中的目标区域。本发明是一种端到端的医学图像全自动分割方法，可有效解决目前深度学习图像分割领域中存在的分割边界模糊，小目标检出率较低，训练过程不稳定，收敛困难等问题。

公开(公告)号：CN114240962A

公开(公告)日：2022-03-25

申请号：CN202111390808.1

申请日：2021-11-23

Applicant: 湖南科技大学

Inventor： 廖苗 ,  杨文瀚 ,  邸拴虎 ,  赵于前 ,  杨振 ,  曾业战

IPC: G06T7/11 ,  G06T7/136 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的CT图像肝脏肿瘤区域自动分割方法，包括：(1)对训练数据进行预处理，包括图像裁剪和窗宽、窗位调整；(2)构建一种新的融合残差模块和注意力机制的U形深度卷积网络模型；(3)结合Dice与二元交叉熵构建网络的损失函数；(4)采用预处理后的训练数据进行网络训练；(5)对测试图像进行预处理，并利用训练好的网络分割其中的肝脏肿瘤区域。本发明是一种全自动的肝脏肿瘤分割方法，通过图像预处理以及在Unet网络中引入了残差模块与注意力机制，解决了肝脏肿瘤、分割中分割边界模糊，小型肿瘤难以检出的难题，有效提升了肝脏肿瘤的分割精度。

公开(公告)号：CN114240962B

公开(公告)日：2024-04-16

申请号：CN202111390808.1

申请日：2021-11-23

Applicant: 湖南科技大学

Inventor： 廖苗 ,  杨文瀚 ,  邸拴虎 ,  赵于前 ,  杨振 ,  曾业战

IPC: G06T7/11 ,  G06T7/136 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的CT图像肝脏肿瘤区域自动分割方法，包括：(1)对训练数据进行预处理，包括图像裁剪和窗宽、窗位调整；(2)构建一种新的融合残差模块和注意力机制的U形深度卷积网络模型；(3)结合Dice与二元交叉熵构建网络的损失函数；(4)采用预处理后的训练数据进行网络训练；(5)对测试图像进行预处理，并利用训练好的网络分割其中的肝脏肿瘤区域。本发明是一种全自动的肝脏肿瘤分割方法，通过图像预处理以及在Unet网络中引入了残差模块与注意力机制，解决了肝脏肿瘤、分割中分割边界模糊，小型肿瘤难以检出的难题，有效提升了肝脏肿瘤的分割精度。