申请/专利权人：陕西科技大学

申请日：2024-04-07

公开（公告）日：2024-06-25

公开（公告）号：CN118247509A

主分类号：G06V10/26

分类号：G06V10/26;G06T7/11;G06T7/12;G06T7/00;G06T5/70;G06V10/80;G06V10/82;G06V10/44;G06T5/60

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明公开了基于动态多尺度条件扩散模型的医学图像分割方法，包括步骤：1、构建网络模型，初始化超参数；2、对未标注医学图像X及其标注医学图像x预处理；3、将x输入去噪网络，正向扩散对其加噪处理，得到加噪的噪声掩码图xT；4、将xT和X输入动态多尺度集成网络进行融合，提取多尺度特征F1、F2、F3和F4；5、层次特征增强模块对F1、F2、F3和F4进行特征融合，输出融合条件特征；6、条件特征引导去噪网络的反向扩散过程，得到去噪的噪声掩码图；7、迭代步骤3～6，将xT恢复至清晰的分割掩码图，本发明能准确识别医学图像待分割目标的轮廓并完成分割任务。

主权项：1.基于动态多尺度条件扩散模型的医学图像分割方法，其特征在于，包括如下步骤：步骤1、构建网络模型PolypSegDiff，初始化超参数；所述网络模型PolypSegDiff包括动态多尺度集成网络、层次特征增强模块和去噪网络，动态多尺度集成网络包括四个金字塔Transformer层，其中金字塔Transformer层1由高斯平滑注意力嵌入层和Transformer编码器构成，金字塔Transformer层2、金字塔Transformer层3和金字塔Transformer层4均由重叠嵌入层和Transformer编码器构成；所述层次特征增强模块包括分层集合模块和细节提炼模块；步骤2、对待分割的未标注医学图像X及其对应的标注真值的医学图像x进行预处理；步骤3、将标注真值的医学图像x输入去噪网络，利用去噪网络的正向扩散过程，对x加噪处理，经过T步迭代，得到加噪后的噪声掩码图xT；步骤4、将噪声掩码图xT和待分割的未标注医学图像X一起输入动态多尺度集成网络，对xT和X进行特征融合，从融合特征中提取多尺度特征F1、F2、F3和F4；步骤5、层次特征增强模块对多尺度特征F1、F2、F3和F4进行分层特征融合，输出融合的条件特征；步骤6、将噪声掩码图xT和条件特征输入去噪网络，通过条件特征引导去噪网络的反向扩散过程，得到去噪后的噪声掩码图xt-1；步骤7、迭代进行步骤3～步骤6，经过T次反向去噪迭代后，将xT恢复至清晰的分割掩码图

全文数据：

权利要求：

百度查询： 陕西科技大学 基于动态多尺度条件扩散模型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。

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