申请/专利权人：长春大学

申请日：2024-05-23

公开（公告）日：2024-06-21

公开（公告）号：CN118229712A

主分类号：G06T7/11

分类号：G06T7/11;G06N3/0455;G06N3/0464;G06N3/082;G06V10/26;G06V10/80;G06V10/82

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：基于增强多维特征感知的肝脏肿瘤图像分割系统属于医学图像分割技术领域。本发明利用核心融合网络结构进行深入的特征提取，确保肿瘤及其周围组织的关键信息被有效捕捉，从而减少了细节信息的丢失；关注度优化模块通过聚焦于图像中重要特征的学习，增强了模型在捕获边界模糊区域和小目标的能力，能够更准确地捕捉肿瘤边界和小肿瘤；自适应动态调整模块使网络结构能够根据训练进度动态调整，有效应对各种尺寸和形态的肿瘤，增强了模型的适应性和泛化能力；高级特征集成与优化模块提升了对肿瘤边界和细微结构的识别能力，确保了分割结果的高质量。本发明能够高准确度、高鲁棒性和高效率的肝脏肿瘤图像分割，避免了过拟合的情况发生。

主权项：1.基于增强多维特征感知的肝脏肿瘤图像分割系统，其特征是：包括图像预处理模块、核心融合网络结构和自适应动态调整模块；所述图像预处理模块用于将三维CT图像数据按设定比例随机抽取区分为测试集、训练集和验证集，然后将测试集、训练集和验证集中的三维CT图像数据切片处理转换成二维切片图像数据、删除无效数据、对剩余数据进行窗口化处理与对比度调节、Min-Max规范化以及数据增强形成各自的数据集；所述核心融合网络结构包括高级特征集成与优化模块、编码器-解码器模块以及关注度优化模块，核心融合网络结构还与自适应动态调整模块连接，核心融合网络结构用于将自适应动态调整模块输出的调整后的输入特征图与图像预处理模块输出的原始输入特征图的特征依次通过高级特征集成与优化模块、编码器-解码器模块和卷积层进行编码、拼接、多维特征增强和图像分割后在核心融合网络结构的输出端输出分割后的肝脏肿瘤图像，核心融合网络结构利用增强后的测试集、训练集和验证集分别进行测试、训练和验证；所述编码器-解码器模块中的编码器通过四个编码层进行连续四次下采样操作，分别得到12、14、18、116大小的特征图，编码器-解码器模块中的解码器通过四个解码层进行连续四次上采样操作将特征图大小还原，解码器的每个上采样过程中，编码器和对应的解码器之间均引入关注度优化模块对编码器得到的特征图进行特征优化，再通过跳跃连接方式将优化后的特征图传递给对应的解码器，解码器的第一个解码层与编码器的第四个编码层之间通过桥接层连接；所述自适应动态调整模块包括顺次信号传输连接的两个编码层、一个桥接层、两个解码层和一个卷积层，自适应动态调整模块的输入为编码器-解码器模块中的第四个解码层的输出，自适应动态调整模块的输出信号传输给高级特征集成与优化模块，自适应动态调整模块在核心融合网络结构运行达到一次设定的训练轮数后均自动激活一次，自适应动态调整模块通过两次下采样、一次桥接和两次上采样操作，得到调整后的输入特征图，对核心融合网络结构的特征图进行动态调整；所述高级特征集成与优化模块包括concat拼接模块、卷积块Ⅳ、平均池化层、卷积块Ⅱ、sigmoid函数激活层、相乘处理模块、卷积层以及相加处理模块；所述concat拼接模块分别接收自适应动态调整模块输出的调整后的输入特征图以及图像预处理模块输出的原始输入特征图的特征信息，并进行拼接；所述卷积块Ⅳ将拼接后的特征图利用平均池化层、卷积块Ⅱ、sigmoid函数激活层、相乘处理模块、卷积层以及相加处理模块进行特征融合，得到融合特征图并输出给编码器的第一个编码层；所述关注度优化模块包括通道维度关注度优化子模块、空间维度关注度优化子模块和自适应权重调节模块；所述通道维度关注度优化子模块包括顺次信号传输连接的平均池化模块、双卷积模块、Sigmoid激活模块和特征加权模块，通道维度关注度优化子模块获得原始输入特征图的通道加权特征图；所述空间维度关注度优化子模块包括顺次信号传输连接的全局池化模块、特征拼接模块、卷积激活模块和特征加权模块，空间维度关注度优化子模块获得原始输入特征图的空间加权特征图；所述自适应权重调节模块将通道加权特征图和空间加权特征图与原始输入特征图进行逐元素相乘融合，再根据融合结果生成最终的优化特征图；所述优化特征图的尺寸与原始输入特征图的尺寸相同。

全文数据：

权利要求：

百度查询： 长春大学 基于增强多维特征感知的肝脏肿瘤图像分割系统

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