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：西安电子科技大学
申请日：2024-03-29
公开（公告）日：2024-06-18
公开（公告）号：CN118212411A
主分类号：G06V10/26
分类号：G06V10/26;G06V10/44;G06V10/80;G06V10/82;G06N3/045;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种基于深度学习的肺栓塞分割方法，对病人的CTPA图像进行预处理并划分成测试集和训练集；对预处理后的训练集通过调整对比度，翻转，旋转，平移，添加高斯噪声随机进行数据增强；构建多层级和多尺度注意力特征融合的MF‑UNet网络；将训练集输入MF‑UNet网络中进行训练，得到肺栓塞分割模型；将测试集输入肺栓塞分割模型中进行测试，得到分割结果；本发明的分割方法有效解决了传统图像处理依靠人工而效率低下且质量不佳的技术问题，克服了传统分割网络无法捕捉细小肺栓塞特征并进行分割的技术问题，具有准确率高和效率高的特点。
主权项：1.一种基于深度学习的肺栓塞分割方法，其特征在于，包括如下步骤：步骤1：获取病人的CTPA图像，对CTPA图像进行预处理；对预处理后的CTPA图像进行划分，得到测试集和训练集；步骤2：对预处理后的训练集通过调整对比度，翻转，旋转，平移，添加高斯噪声随机进行数据增强；步骤3：构建多层级和多尺度注意力特征融合的MF-UNet网络，所述MF-UNet网络包括编码器和解码器，编码器包括第一特征映射层convin、四个特征提取模块MFBlock以及对应的最大池化下采样层；解码器包括第二特征映射层convout、一个空间卷积池化金字塔模块ASPPBlock以及四个特征融合模块CABlock；通过编码器对原始图像xin进行特征提取，得到特征图xen5；通过解码器对特征图xen5进行特征融合，得到与原始图像xin大小相同的特征图xout；步骤4：将步骤2中预处理好的训练集输入步骤3构建的MF-UNet网络中进行训练，通过改进的损失函数对MF-UNet网络进行收敛，达到收敛后，得到肺栓塞分割模型；步骤5：将步骤1中测试集输入步骤4构建的肺栓塞分割模型中进行测试，得到分割结果。
全文数据：
权利要求：
百度查询： 西安电子科技大学 一种基于深度学习的肺栓塞分割方法
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