申请/专利权人：南昌康德莱医疗科技有限公司;南昌大学

申请日：2024-05-13

公开（公告）日：2024-06-11

公开（公告）号：CN118172557A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/44;G06V10/52;G06V10/42;G06V10/80;G06V10/82;G06N3/0464;G06N3/0455;G06N3/084;G06N3/048

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：本发明涉及超声图像分割技术领域，尤其涉及一种甲状腺结节超声图像分割方法，所述方法包括：获取甲状腺结节超声图像集，对所述甲状腺结节超声图像集进行预处理；将预处理后的所述甲状腺结节超声图像集按照预设比例分为训练集、验证集和测试集；构建多尺度U‑net网络；基于所述训练集对所述多尺度U‑net网络进行训练，并根据所述验证集对所述多尺度U‑net网络进行参数调整，得到分割模型；将所述测试集输入到所述分割模型，得到分割结果图。本发明可以提高模型深层次特征的提取能力，并且有效地减少计算量和模型参数；可以避免纹理、边缘等浅层信息在卷积过程中大量丢失，从而提高分割性能和分割精度。

主权项：1.一种甲状腺结节超声图像分割方法，其特征在于，所述方法包括：获取甲状腺结节超声图像集，对所述甲状腺结节超声图像集进行预处理；将预处理后的所述甲状腺结节超声图像集按照预设比例分为训练集、验证集和测试集；构建多尺度U-net网络，所述多尺度U-net网络包括基于EfficientNetB0分类网络的编码层、解码层和基于ECA注意力模块的边缘信息增强层，所述编码层和所述解码层之间通过跳跃连接相连，所述解码层和所述边缘信息增强层之间通过双线性上采样相连；其中，所述编码层由一个输入卷积层和4个下采样模块构成，所述输入卷积层由一个Ghost卷积组成，所述下采样模块由两个EfficientNetB0分类网络中引入Mish激活函数的MBConv6模块组成；所述解码层由四个上采样模块组成，所述上采样模块由双线性上采样和双层卷积组成；所述边缘信息增强层包括四个边缘信息增强模块，每个所述边缘信息增强模块由ECA注意力模块和1×1卷积组成；基于所述训练集对所述多尺度U-net网络进行训练，并根据所述验证集对所述多尺度U-net网络进行参数调整，得到分割模型；将所述测试集输入到所述分割模型，得到分割结果图。

全文数据：

权利要求：

百度查询： 南昌康德莱医疗科技有限公司;南昌大学 一种甲状腺结节超声图像分割方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD