基于TransUNet的甲状腺结节超声图像分割方法及系统

    公开(公告)号:CN118941576A

    公开(公告)日:2024-11-12

    申请号:CN202410925994.1

    申请日:2024-07-11

    Applicant: 苏州大学

    Abstract: 本发明公开了基于TransUNet的甲状腺结节超声图像分割方法及系统,涉及图像分割技术领域。本发明包括:接收甲状腺结节超声图像进行预处理,并将图像数据划分为训练集、验证集和测试集;构建以TransUNet模型网络为基础的改进分割模型,改进分割模型中包括CNN‑SETrans编码器、解码器及跳跃连接。本发明基于TransUNet网络结构,将SE模块引入Transformer编码器,与MSA模块串联以构建SETrans编码器,全面提取通道信息和空间信息,能够提高网络的特征表示能力,且通过将Ghost模块引入跳跃连接,能够补偿从CNN的低分辨率到解码器的高分辨率的长距离传输过程中图像特征的损失,还不会显著增加计算成本,同时采用深度可分离卷积(DSConv)取代了解码器中每层末尾的普通卷积,提高了特征提取的有效性。

    基于中性粒细胞簇及演化神经网络的分割方法及系统

    公开(公告)号:CN118247296A

    公开(公告)日:2024-06-25

    申请号:CN202410352223.8

    申请日:2024-03-26

    Applicant: 苏州大学

    Abstract: 本发明公开了基于中性粒细胞簇及演化神经网络的分割方法及系统,涉及轮廓分割技术领域,包括:获取采样点集合,对采样点集合进行标准化处理,得到标准采样点集合,将标准采样点集合映射到中性粒领域内,得到数据集,对数据集进行过滤得到过滤后的数据集;对于过滤后的数据集进行判断并带宽更新,判断过滤后的数据集的簇是否符合要求,如符合要求则分类全部点集,并保留剩余点集,得到处理后的数据集;获取第一主成分线,将处理后的数据集内的数据点投影至第一主成分线上进行映射分类,得到数据序列,将数据序列输入至预先建立的基于RELU模型内进行分割,输出得到可解释性轮廓。

Patent Agency Ranking