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：长春理工大学
申请日：2024-03-14
公开（公告）日：2024-06-07
公开（公告）号：CN118154618A
主分类号：G06T7/10
分类号：G06T7/10;G06V10/764;G06V10/774;G06N3/04
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.25#实质审查的生效;2024.06.07#公开
摘要：本发明属于超声图像分割技术领域，尤其为一种基于边界增强的递进式引导的乳腺肿瘤图像分割方法，该方法包括以下步骤：S1.选择合适的数据集，然后对数据集进行ROI区域的选择和mask图的处理；S2.准备数据集，对乳腺数据进行预处理，增加对比度，归一化和数据增强，数据集包括训练集加测试集；S3.建立一个用于乳腺分割的2D卷积神经网络。本发明，实现对于线肿瘤图像中对于乳腺肿瘤组织的识别与分割，通过设计一个名为BEPG‑Net的网络，提高网络模型的对于小肿块的识别精度和准确度，提高了对肿瘤边界特征的提取及边界特征的增强，同时兼顾了网络的轻量化，加快了网络的训练速度和识别速度，保证了模型大小的前提下提高了分割的精度。
主权项：1.一种基于边界增强的递进式引导的乳腺肿瘤图像分割方法，其特征在于：该方法包括以下步骤：S1.选择合适的数据集，然后对数据集进行ROI区域的选择和mask图的处理；S2.准备数据集，对乳腺数据进行预处理，增加对比度，归一化和数据增强，数据集包括训练集加测试集；S3.建立一个用于乳腺分割的2D卷积神经网络；S4.利用训练集训练神经网络，得到一个全卷积神经网络模型；S5.使用得到的网络模型分割测试集中乳腺肿瘤图像数据，得到分割结果。
全文数据：
权利要求：
百度查询： 长春理工大学 一种基于边界增强的递进式引导的乳腺肿瘤图像分割方法
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