申请/专利权人:江苏大学
申请日:2024-04-07
公开(公告)日:2024-06-18
公开(公告)号:CN118212414A
主分类号:G06V10/26
分类号:G06V10/26;G06V10/774;G06V10/776;G06V10/82;G06N3/0464;G06N3/0455;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:本发明涉及医学图像处理领域,具体涉及一种基于改进U‑Net的医学图像分割方法。本发明通过引入改进U‑Net网络结构和创新的训练策略,将主干网络改进为MobileNetV3网络,实现深层特征的提取。在MobileNetV3引入SE注意力模块以及h‑wish激活函数,有效地捕捉多尺度缺陷目标的语义信息。在Bneck_MA模块中融合ECA和SK注意力模块,更有效捕获全局通道信息和局部通道信息。本发明的方法能够为医生提供准确的图像分割结果,有助于疾病诊断和治疗计划的制定。
主权项:1.一种改进U-Net的医学图像分割方法,其特征在于,包括如下步骤:1构建医学图像数据集T,划分T为训练集Ttrain和测试集Ttest;2构建网络模型U-Net,对U-Net网络模型进行改进;3利用训练集Ttrain进行训练,使用交叉熵损失函数,当模型损失在训练集Ttrain上连续M次不下降时,停止训练,得到训练权重w,转步骤4,否则转步骤3继续训练;4利用测试集Ttest验证模型效果,如果损失函数值趋于收敛并保持稳定转步骤5,否则转步骤3继续训练;5将待分割医学图像输入到训练权重为w的模型中,输出医学图像分割图。
全文数据:
权利要求:
百度查询: 江苏大学 一种改进U-Net的医学图像分割方法
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。