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：上海理工大学
申请日：2024-01-31
公开（公告）日：2024-06-11
公开（公告）号：CN118172371A
主分类号：G06T7/11
分类号：G06T7/11;G06T7/00;G06N3/0464;G06N3/08;G06F17/16
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.28#实质审查的生效;2024.06.11#公开
摘要：本发明涉及一种基于U‑Net神经网络的肝癌病理图像分割方法，采用U‑Net架构作为主干的图像分割网络对肝癌病理图像进行分割，在U‑Net架构中编码器与解码器之间，设计一个含有全局注意力机制引导的全局注意力引导模块，通过全局注意力引导模块将编码器‑解码器结构的上采样与跳跃连接相结合，连接高级特征与细化的低级特征，有效的处理来自跳过连接的信息，促使肝癌病理图像分割网络关注于识别和分割肝肿瘤的相关特征，引入注意力连接模块合并上采样与跳跃连接，达到了辅助医生完成诊断的目的，同时将全局注意力机制与金字塔采样策略相结合，高效地集成上下文信息和局部细节信息，本方法可实现在较小计算量的基础上取得了更精确的肿瘤分割结果。
主权项：1.一种基于U-Net神经网络的肝癌病理图像分割方法，采用U-Net架构作为主干的图像分割网络对肝癌病理图像进行分割，U-Net架构是由编码器与解码器组成的框架；编码器由卷积和下采样组成，进行特征提取；在解码器中合并上采样与跳过连接，其特征在于，在编码器与解码器之间，设计一个含有全局注意力机制引导的全局注意力引导模块，通过全局注意力引导模块将编码器-解码器结构的上采样与跳跃连接相结合，连接高级特征与细化的低级特征，全局注意力引导模块有效的处理来自跳过连接的信息，促使肝癌病理图像分割网络关注于识别和分割肝肿瘤的相关特征，具体如下：fh表示编码器输出的高级语义特征，fl表示编码器输出的低级图像特征作为每个全局注意力引导模块的输入，表示fh经解码器中反卷积上采样后输出的还原高级特征，NA·表示全局注意力引导模块；则经全局注意力引导模块细化后的低级特征注意力图像为： 而全局注意力引导模块最终输出特征： 式中Conv·代表一个卷积核大小为1×1的卷积层，Concat·代表通道数合并的特征融合操作。
全文数据：
权利要求：
百度查询： 上海理工大学 基于U-Net神经网络的肝癌病理图像分割方法
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