基于深度学习网络的超声乳腺癌图像病灶区自动分割方法

    公开(公告)号:CN118552726A

    公开(公告)日:2024-08-27

    申请号:CN202410639622.2

    申请日:2024-05-22

    Abstract: 本发明属于医学图像处理技术领域,具体涉及一种基于深度学习网络的超声乳腺癌图像病灶区自动分割方法,包括:获取乳腺癌超声图像数据集,对乳腺癌超声图像数据集中的数据进行预处理,得到训练数据集;构建乳腺癌自动分割网络,该网络包括特征提取模块、张量采样模块、编码解码模块、MarAtt注意力模块以及空洞卷积模块;将训练集中的数据输入到乳腺癌自动分割网络中进行训练;获取待分割的乳腺癌超声图像,将乳腺癌超声图像输入到训练后的乳腺癌自动分割网络中,得到图像病灶区分割结果;本发明能够挖掘出图像的深层特征,提高了模型的识别效率。

    一种针对医疗文本数据的多维数据融合处理方法

    公开(公告)号:CN119517429A

    公开(公告)日:2025-02-25

    申请号:CN202411413953.0

    申请日:2024-10-11

    Abstract: 本发明属于深度学习技术领域,具体涉及一种针对医疗文本数据的多维数据融合处理方法,包括:获取多维数据,将多维数据输入到训练后的融合模型中,得到多维数据融合结果;对融合模型进行训练包括:获取多维数据集,采用数据拆分技术将多维数据集划分为训练集和测试集;对训练集中的数据进行特征提取,提取的特征进行张量转换,对经过张量转换后的特征进行重构;将重构后的特征数据输入到融合模型中进行训练,调整模型参数,当模型损失函数最小时,完成模型的训练;本发明在模型定义阶段,使用DNN深度学习的网络架构,以确保模型能够有效地学习和预测目标变量;通过构建的多维数据融合处理方法,从多种检查方式所得的原始医疗文本中直接提取关键信息,提高了用户工作效率。

    一种基于多尺度混合卷积的超声乳腺病灶区自动分割方法

    公开(公告)号:CN119600041A

    公开(公告)日:2025-03-11

    申请号:CN202411654473.3

    申请日:2024-11-19

    Abstract: 本发明属于医学图像处理技术领域,具体涉及一种基于多尺度混合卷积的超声乳腺病灶区自动分割方法,包括采用U2‑Net作为网络框架进行图像分割,其特征在于,在每个残差块中的跳跃连接处,通过多尺度注意力门对特征图进行处理后再与对应特征图进行跳跃连接。本发明提出将混合卷积块和多尺度注意力门与U2‑Net网络结构相融合,通过逐点卷积、普通卷积、扩张卷积三种不同感受野卷积块进一步抑制不重要的特征并增强有价值的特征,以实现快速有效地对乳腺癌病灶区域进行分割;其次本发明还在残差块的编码器的最后一层卷积层上连接混合卷积块,用于提取小U型的全局上下文信息;本发明能够提高对超声图像病灶区的识别及分割效率,降低医生的工作负担,辅助临床诊断。

Patent Agency Ranking