龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：安徽大学
申请日：2024-04-11
公开（公告）日：2024-05-31
公开（公告）号：CN118115490A
主分类号：G06T7/00
分类号：G06T7/00;G06T7/11
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.18#实质审查的生效;2024.05.31#公开
摘要：本发明公开了一种多尺度边界精细化与融合的萎缩性胃炎区域分割方法，包括收集萎缩性胃炎病人的胃镜图像，构建编码器模块，构建边界学习模块，构建基础解码器模块，构造边界增强解码器模块，构建预测图合并模块，利用训练数据集训练所述神经网络等操作步骤。优点在于：发明通过融合多层次的特征信息，使得模型能够综合捕捉从宏观到微观的各个尺度的特征。这种多尺度特征的融合策略极大地提升了模型对复杂萎缩性胃炎图像在分割过程中的全局结构和局部细节的解读能力，显著提高了分割精度和效率。
主权项：1.一种多尺度边界精细化与融合的萎缩性胃炎区域分割方法，包括，其特征在于，包括如下步骤：步骤1，收集萎缩性胃炎病人的胃镜图像，进行预处理和标注，构成原始数据集；对原始数据集进行数据增强操作，并按照7:2:1的比例划分为训练集、验证集和测试集三部分；步骤2，构建以EfficientNet作为主干网络的编码器模块，从训练集的图像中提取多尺度基础特征；步骤3，构建边界学习模块，对编码器提取的多尺度基础特征进行处理，提炼出多尺度具有丰富边界信息的特征图；步骤4，构建基础解码器模块，接收边界学习模块提炼出的最小尺寸的边界信息特征图，生成初始全局预测分割图；步骤5，构造边界增强解码器模块，将基础解码器生成的初始全局预测分割图分别与边界学习模块提炼出的多尺度边界信息特征图进行融合，为每个尺度生成一个预测图；步骤6，构建预测图合并模块，将所有尺度的预测图合并到一起，最后通过上采样将融合的预测分割图恢复到原始尺寸大小，得到最终的萎缩性胃炎分割图；步骤7，利用训练数据集训练所述神经网络，优化网络参数，形成最终的模型；步骤8，应用时，将待检测的胃镜图像处理后输入训练好的模型，经计算输出萎缩性胃炎区域的分割图像。
全文数据：
权利要求：
百度查询： 安徽大学 一种多尺度边界精细化与融合的萎缩性胃炎区域分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号