-
公开(公告)号：CN116580018A
公开(公告)日：2023-08-11
申请号：CN202310610956.2
申请日：2023-05-26
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于多层通道感知的三维卷积神经网络CT图像肺结节检测方法及系统，属于计算机视觉领域，将CT图像数据由DICOM格式或者MHD格式转化为本方法专用二进制文件；将CT图像的HU值映射为[0,255]之间，采用所述多层通道感知残差模块与池化层进行编码；采用所述多层通道感知残差模块与反卷积层进行解码；然后与编码器进行信息融合；采用所述候选结节生成模块与假阳性过滤模块进行对结节位置信息与分类信息进行提取运算与过滤运算；其中多层通道感知模块通过对特征图提取权重矩阵从而能够使网络更好地捕获到微结节，提升提取特性。
-
公开(公告)号：CN116580017A
公开(公告)日：2023-08-11
申请号：CN202310610943.5
申请日：2023-05-26
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/25 , G06V10/28 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明涉及一种融合双路径通道注意力和空洞空间注意力的改进Mask‑R‑CNN肺结节辅助检测方法，属于图像处理领域，包括如下步骤：S1：数据集预处理；S2：肺实质分割；S3：构建改进的候选结节检测与分割模型；S4：针对肺结节特征修改RPN；S5：针对数据不均衡改进损失函数；S6：构建三维ResNet去假阳性模型，进行假阳性筛除；S7：利用所选数据集对改进后的肺结节检测模型进行训练，将训练后最佳的权重文件加载至模型中进行特征提取，生成一系列候选区域，然后根据候选区域与图片上物体真实框之间的位置关系对候选框进行标注，生成肺结节预测框和肺结节预测置信度，达到预期的效果。
-
公开(公告)号：CN117876398A
公开(公告)日：2024-04-12
申请号：CN202410057126.6
申请日：2024-01-15
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N3/084
Abstract: 本发明涉及一种基于编解码卷积神经网络的肝脏肿瘤区域自动分割方法，属于医学图像分割技术领域，包括以下步骤：S1：获取腹部CT数据集，并对收集的数据集进行预处理；S2：采用残差网络与最大池化下采样作为编码器，采用残差网络与反卷积作为解码器，在编解码阶段每层的最后引入通道感知模块，构建出肝脏肿瘤区域自动分割网络；S3：将预处理的数据输入到所述肝脏肿瘤区域自动分割网络中进行训练，得到最佳的网络模型；S4：利用训练得到的最佳网络模型对待处理的CT图像进行分割得到肝脏肿瘤分割结果图。
-
公开(公告)号：CN116580202A
公开(公告)日：2023-08-11
申请号：CN202310610916.8
申请日：2023-05-26
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明涉及一种基于改进U‑net网络的乳腺医学图像分割方法，属于图像分割领域，包括以下步骤：S1：通过MT‑GAN方法对数据集进行扩充预处理，同时生成乳腺医学图像及匹配掩码图像；S2：在传统的U‑net网络中，将原有的卷积模块替换为设计的多尺度注意力残差模块MAblock，得到MAU‑Net网络；S3：在MAU‑Net网络的基础上引入W‑GAN网络，构建混合损失函数，对乳腺进行分割。本发明能实现样本的有效扩充，使得样本的多样性的满足；使网络具有更好的鲁棒性以及泛化能力，提高分割网络的分割能力。
-
-
-
Search Results
4
records
(took 0.021 seconds)
