-
公开(公告)号：CN109447976B
公开(公告)日：2020-07-07
申请号：CN201811294281.0
申请日：2018-11-01
申请人： 电子科技大学
摘要： 本发明公开了一种基于人工智能的医学图像分割方法及系统。所述分割方法包括：将低层次视觉特征输入至低层次视觉特征输入路径进行过滤，确定过滤后的低层次视觉特征以及所述过滤后的低层次视觉特征的通道数；将高层次视觉特征输入至高层次视觉特征输入路径进行调整，根据过滤后的低层次视觉特征的通道数调整高层次视觉特征，确定调整后的高层次视觉特征；经过第二密集连接卷积网络，将过滤后的低层次视觉特征以及调整后的高层次视觉特征进行融合，确定融合特征；根据融合特征生成带分割图像内每个像素点的分类结果；根据分类结果生成分割图像。采用本发明所提供的分割方法及系统能够所分割的图像层次视觉效果以及分割精度。
-
公开(公告)号：CN111091575B
公开(公告)日：2022-10-18
申请号：CN201911406491.9
申请日：2019-12-31
申请人： 电子科技大学
摘要： 本发明公开了一种基于强化学习方法的医学图像分割方法，包括以下步骤：采集待分割医学3D图像和训练医学3D图像，将待分割医学3D图像和训练医学3D图像顺序且均匀地分片，得到待分割的2D医学图像序列和训练2D医学图像序列；建立神经网络模型，根据强化学习方法并通过训练2D医学图像序列对神经网络模型进行训练；将待分割的2D医学图像序列依次输入训练完成的神经网络模型，得到分割结果。本发明提高了医学图像的分割效率，且能够高精度地对脑部肿瘤图像进行分割。
-
公开(公告)号：CN111091575A
公开(公告)日：2020-05-01
申请号：CN201911406491.9
申请日：2019-12-31
申请人： 电子科技大学
摘要： 本发明公开了一种基于强化学习方法的医学图像分割方法，包括以下步骤：采集待分割医学3D图像和训练医学3D图像，将待分割医学3D图像和训练医学3D图像顺序且均匀地分片，得到待分割的2D医学图像序列和训练2D医学图像序列；建立神经网络模型，根据强化学习方法并通过训练2D医学图像序列对神经网络模型进行训练；将待分割的2D医学图像序列依次输入训练完成的神经网络模型，得到分割结果。本发明提高了医学图像的分割效率，且能够高精度地对脑部肿瘤图像进行分割。
-
公开(公告)号：CN109447976A
公开(公告)日：2019-03-08
申请号：CN201811294281.0
申请日：2018-11-01
申请人： 电子科技大学
摘要： 本发明公开了一种基于人工智能的医学图像分割方法及系统。所述分割方法包括：将低层次视觉特征输入至低层次视觉特征输入路径进行过滤，确定过滤后的低层次视觉特征以及所述过滤后的低层次视觉特征的通道数；将高层次视觉特征输入至高层次视觉特征输入路径进行调整，根据过滤后的低层次视觉特征的通道数调整高层次视觉特征，确定调整后的高层次视觉特征；经过第二密集连接卷积网络，将过滤后的低层次视觉特征以及调整后的高层次视觉特征进行融合，确定融合特征；根据融合特征生成带分割图像内每个像素点的分类结果；根据分类结果生成分割图像。采用本发明所提供的分割方法及系统能够所分割的图像层次视觉效果以及分割精度。
-
-
-
搜索结果
4 条记录 (耗时 0.02 秒)
