公开(公告)号：CN118864503A

公开(公告)日：2024-10-29

申请号：CN202411345394.4

申请日：2024-09-26

Applicant: 西南科技大学

Inventor： 张小乾 ,  欧艳池 ,  周莹 ,  陈宇峰 ,  孙凤 ,  王丽超

IPC: G06T7/11 ,  G06V10/52 ,  G06T3/4038 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度动态自调整的图像处理方法及装置，涉及图像处理技术领域，先通过基于轻量可变形残差模块以及多尺度增强自注意力机制模块构成的多层次图像分割网络对目标处理医学图像进行多层次图像特征提取，然后通过基于多尺度增强自注意力机制模块构成的多层次上采样网络对最后一个尺寸的下采样处理图像依次进行多层次上采样，能够动态捕获浅层的轮廓信息，同时避免了过大的计算消耗以及不易训练的问题，避免了巨额计算开销的同时，有效缓解了特征信息的冗余；最后通过多个深度不接收同的语义缓解模块对下采样处理图像与上采样处理图像进行语义连接，以简单高效的方式缓解语义差，提升了网络分割性能。

公开(公告)号：CN114202497A

公开(公告)日：2022-03-18

申请号：CN202010912604.9

申请日：2020-09-02

Applicant: 西南科技大学

Inventor： 周雨薇 ,  刘志勤 ,  王庆凤 ,  黄俊 ,  周莹 ,  徐卫云

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的乳腺肿块分割方法。本方案通过训练人工标注的肿块图像来训练一个深度神经网络。输入完整乳腺图像后该网络能够自主学习肿块的影像学特征，输出结果是网络认定为肿块的区域，实现了端到端的乳腺肿块分割。为了提高肿块的检出率，本发明公开了一种新的加权复合型损失函数。

公开(公告)号：CN110895815A

公开(公告)日：2020-03-20

申请号：CN201911211530.X

申请日：2019-12-02

Applicant: 西南科技大学

Inventor： 罗国婷 ,  刘志勤 ,  王庆凤 ,  刘启榆 ,  周莹 ,  郑介志 ,  黄俊 ,  徐卫云

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的胸部X线气胸分割方法，获取胸部X线的图像信息，对所述胸部X线的图像信息进行预处理；将预处理后的图像信息输入至深度神经网络模型，并利用空间加权的交叉熵损失函数优化深度神经网络模型；利用所述优化后的深度神经网络模型输出胸部X线气胸图像的分割结果。本发明训练一个端到端的深度神经网络模型，所述深度神经网络模型通过不断地自主学习，从而找到刻画气胸的影像学特征，将疑似气胸的区域分割出来。本发明实现了对胸部X线气胸的准确分割，以及准确的气胸分割可以为患者的后续治疗提供重要参考。

公开(公告)号：CN118864503B

公开(公告)日：2024-11-29

申请号：CN202411345394.4

申请日：2024-09-26

Applicant: 西南科技大学

Inventor： 张小乾 ,  欧艳池 ,  周莹 ,  陈宇峰 ,  孙凤 ,  王丽超

IPC: G06T7/11 ,  G06V10/52 ,  G06T3/4038 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度动态自调整的图像处理方法及装置，涉及图像处理技术领域，先通过基于轻量可变形残差模块以及多尺度增强自注意力机制模块构成的多层次图像分割网络对目标处理医学图像进行多层次图像特征提取，然后通过基于多尺度增强自注意力机制模块构成的多层次上采样网络对最后一个尺寸的下采样处理图像依次进行多层次上采样，能够动态捕获浅层的轮廓信息，同时避免了过大的计算消耗以及不易训练的问题，避免了巨额计算开销的同时，有效缓解了特征信息的冗余；最后通过多个深度不接收同的语义缓解模块对下采样处理图像与上采样处理图像进行语义连接，以简单高效的方式缓解语义差，提升了网络分割性能。