-
公开(公告)号:CN117152433A
公开(公告)日:2023-12-01
申请号:CN202311122480.4
申请日:2023-09-01
申请人: 太原理工大学
IPC分类号: G06V10/26 , G06V10/764 , G06V10/20 , G06V10/28 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06F21/62
摘要: 本发明公开了一种基于多尺度跨层注意力融合网络的医学图像分割方法,属于图像处理技术领域。包括:S100:收集带有蜂窝肺病的肺部计算机断层扫描图像,并对肺部计算机断层扫描图像进行处理,生成蜂窝肺数据集;S200:UNeXt网络框架构建多尺度跨层注意力融合网络模型;S300:基于蜂窝肺数据集,采用二分类交叉熵损失函数BCE loss以及图像分割任务损失函数Dice loss共同训练构建的多尺度跨层注意力融合网络模型;S400:将待分割医学影像输入至训练后的多尺度跨层注意力融合网络模型,得到分割结果。本发明能够获得更多的语义信息来提高医学影像中目标分割精度和计算效率。
-
公开(公告)号:CN117011528A
公开(公告)日:2023-11-07
申请号:CN202310994772.0
申请日:2023-08-09
申请人: 太原理工大学
IPC分类号: G06V10/26 , G06V10/80 , G06V10/422 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
摘要: 本发明公开了一种蜂窝状肺CT图像自动分割方法及系统,涉及图像分割技术领域。包括:对CT图像数据进行预处理,建立包括编码器、解码器和跳跃连接的SAA‑Unet模型,对模型进行训练,更新模型参数,获得训练好的SAA‑Unet模型,对训练好的SAA‑Unet模型进行性能评估,获得最终的SAA‑Unet模型,输出分割好的具有蜂窝状肺部病灶区域的CT图像。本发明有助于提高网络对蜂窝状肺部CT图像病灶区域的高层次特征描述能力,获得更多的细节特征,取得更好的分割性能。
-
公开(公告)号:CN117765005A
公开(公告)日:2024-03-26
申请号:CN202311783029.7
申请日:2023-12-22
申请人: 太原理工大学 , 山西工程科技职业大学
IPC分类号: G06T7/11 , G06T5/50 , G06N3/0464 , G06N3/045 , G06N3/09
摘要: 本发明公开了一种基于AMCFNet网络的图像分割方法及系统,涉及图像处理技术领域,建立了AMCFNet网络模型对蜂窝肺图像进行病灶分割,获取蜂窝肺图像数据,通过瓶颈层提高边缘区域在整体特征中的重要性,提高病灶区域的分割精度;通过用于连接编码器与解码器的局部、全局特征信息补偿模块,提高解码过程中图像特征完整性的恢复程度,增强编码器解码器的语义关联性;采用阶段解码器的结构,减少反卷积导致的计算量,并融合两种解码方式的优点,提高输入图像整体结构的还原性。本发明兼顾了图像进行病灶分割时的整体表达与边界细节,实现了对图像中病灶的精确分割。
-
-