-
公开(公告)号：CN117132606A
公开(公告)日：2023-11-28
申请号：CN202311377777.5
申请日：2023-10-24
申请人： 四川大学
IPC分类号： G06T7/10 , G06T7/00 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/80
摘要： 本发明公开了用于肺部病变图像的分割方法，涉及计算机技术领域，包括S1构建分割模型；S2获取数据集；S3利用二值掩膜对数据集进行分割处理；S4对分割处理后的数据集进行划分，分为训练集和测试集；S5利用训练集和测试集对分割模型进行训练优化；S6获取待预测的肺部病变图像；S7利用优化后的分割模型进行分割，得到分割结果；将U形神经网络与ConvFormer神经网络层相结合，从CT图像中提取纹理和形状特征，利用ConvFormer神经网络层和第一深度可分离卷积层，大大降低了模型的复杂性，增强了模型的稳健性和可解释性。
-
公开(公告)号：CN117934823A
公开(公告)日：2024-04-26
申请号：CN202311546328.9
申请日：2023-11-20
申请人： 四川大学
摘要： 本发明公开了基于双向分支学习的肺部病变分割方法，涉及计算机技术领域，包括S1构建分割模型、第一深度监督模块和第二深度监督模块，分割模型包括第一分支、第二分支、卷积整合层和分割输出层；S2获取训练数据集，训练数据集包括CT图像；S3利用训练数据集、第一深度监督模块和第二深度监督模块对分割模型进行训练优化；S4获取待分割预测的CT图像；S5利用训练优化后的分割模型分析待分割预测的CT图像，获得分割结果；第一分支构建MLPF模块以融合最后三维特征图并提取病变区域的全局语义特征，保留尺度不变性的全局上下文信息；使用第二分支，从浅层特征中提取边界细节信息；第一分支和第二分支实现了速度和准确性的平衡。
-
公开(公告)号：CN117132606B
公开(公告)日：2024-01-09
申请号：CN202311377777.5
申请日：2023-10-24
申请人： 四川大学
IPC分类号： G06T7/10 , G06T7/00 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/80
摘要： 本发明公开了用于肺部病变图像的分割方法，涉及计算机技术领域，包括S1构建分割模型；S2获取数据集；S3利用二值掩膜对数据集进行分割处理；S4对分割处理后的数据集进行划分，分为训练集和测试集；S5利用训练集和测试集对分割模型进行训练优化；S6获取待预测的肺部病变图像；S7利用优化后的分割模型进行分割，得到分割结果；将U形神经网络与ConvFormer神经网络层相结合，从CT图像中提取纹理和形状特征，利用ConvFormer神经网络层和第一深度可分离(56)对比文件陈栋等.“结合transformer和多层特征聚合的高光谱图像分类算法”《.数据与计算发展前沿》.2023,第5卷(第3期),第138-151页.李威等.“基于多任务学习的间质性肺病分割算法”《.计算机应用》.2023,第1-12页.WeiPing Ding等.“FTransCNN: FusingTransformer and a CNN based on fuzzylogic for uncertain medical imagesegmentation”《.Information Fusion》.2023,第99卷第1-13页.He Sheng等.“U-Netmer: U-Net meetsTransformer for medical imagesegmentation”《.arxiv》.2023,第1-10页.Yixuan Wu等“.D-former: a U-shapedDilated Transformer for 3D medical imagesegmentation”《.Neural Computing andApplications》.2022,第35卷(第5期),第112-132页.Pengfei Gu等“.ConvFormer: CombiningCNN and Transformer for Medical ImageSegmentation”《.EEE InternationalSymposium on biomedical imaging》.2022,第1-15页.Xian Lin等.“ConvFormer: Plug-and-PlayCNN-Style Transformers for ImprovingMedical Image Segmentation”《.arxiv》.2023,第1-10页.
-
公开(公告)号：CN117036376B
公开(公告)日：2024-01-30
申请号：CN202311304131.4
申请日：2023-10-10
申请人： 四川大学
摘要： 本申请提供一种基于人工智能的病变图像分割方法、装置及存储介质，通过对待分割医学影像图像进行图像分块得到待分割医学影像图像对应待识别图像分块集合，根据待识别图像分块集合中所对应病理辅助促进指标满足识别条件的待识别医学图像分块确定参照图像分块集合，根据参照图像分块集合中的可疑图像分块确定识别图像分块集合，并对识别图像分块集合中的识别图像分块进行识别图像分块识别，在根据识别结果深度识别出满足标记临界条件时进行图像分块标记。如此能够自动识别出待分割医学影像图像对应的识别图像分块集合，以对识别图(56)对比文件莫春梅.“基于深度学习的肝脏肿瘤图像分割方法研究”《.中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2023,(第1期),E072-1272.D. Karimi等."Medical ImageSegmentation Using Transformer Networks".《IEEE Access》.2022,第10卷第29322-29332页.Nie, D.等“.Adversarial ConfidenceLearning for Medical Image Segmentationand Synthesis”《.Int J Comput Vis》.2020,第128卷第2494–2513页.Zhang, Qi等."A comparative study ofattention mechanism based deep learningmethods for bladder tumor segmentation".《International Journal of MedicalInformatics》.2023,第171卷第1-10页.
-
公开(公告)号：CN117036376A
公开(公告)日：2023-11-10
申请号：CN202311304131.4
申请日：2023-10-10
申请人： 四川大学
摘要： 本申请提供一种基于人工智能的病变图像分割方法、装置及存储介质，通过对待分割医学影像图像进行图像分块得到待分割医学影像图像对应待识别图像分块集合，根据待识别图像分块集合中所对应病理辅助促进指标满足识别条件的待识别医学图像分块确定参照图像分块集合，根据参照图像分块集合中的可疑图像分块确定识别图像分块集合，并对识别图像分块集合中的识别图像分块进行识别图像分块识别，在根据识别结果深度识别出满足标记临界条件时进行图像分块标记。如此能够自动识别出待分割医学影像图像对应的识别图像分块集合，以对识别图像分块集合进行识别图像分块识别，增加了图像分割的效率。
-
-
-
-
搜索结果
5 条记录 (耗时 0.02 秒)
