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：长春理工大学
申请日：2024-01-17
公开（公告）日：2024-06-25
公开（公告）号：CN118247214A
主分类号：G06T7/00
分类号：G06T7/00;G06T7/11;G06V10/44;G06V10/774;G06V10/82;G06N3/0455;G06N3/0464;G06N3/048;G06N3/09;G06N3/096
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于FasterNet和局部自注意力机制的颅内血肿分割方法，涉及医学图像处理技术领域，具体步骤为：构建包括主干特征提取网络、加强特征提取网络和分割网络的颅内血肿深度学习模型；选择CQ500数据集进行筛选、划分数据集，并按照硬膜外血肿、硬膜下血肿、脑实质血肿、蛛网膜下腔血肿这四种类型进行标注；利用制作好的数据集对网络模型进行训练，直至损失值到达设定范围且趋于平衡；利用未使用过的头部CT影像数据集对模型进行评估、再次训练和微调，获得最终模型；将最终确定的模型参数保存后加载到模型并保存；本发明对颅内血肿图像进行分割并进行了可视化，便于人眼观察，同时本发明提出的方法分割效率高，训练速度快，准确率高。
主权项：1.一种基于FasterNet和局部自注意力机制的颅内血肿分割方法，其特征在于，具体步骤为：构建网络模型：构建包括主干特征提取网络、加强特征提取网络和分割网络解码器的颅内血肿分割网络；准备数据集：选择CT-ICH2020数据集和CQ500数据集，筛选出含有硬膜外血肿、硬膜下血肿、脑实质内血肿、蛛网膜下腔血肿和脑室血肿的病例切片并转换成PNG格式，之后划分成训练集、验证集和测试集；训练网络模型：利用CT-ICH2020数据集对网络模型进行预训练，利用CQ500数据集对网络模型进行正式训练，直至损失值到达设定范围且趋于平衡；微调模型：利用CQ500数据集对模型进行评估、再次训练和微调，获得最终模型；保存模型：将最终确定的模型参数保存后加载到模型并保存；预测结果：将未使用过的头部CT数据送进保存好的模型中，得到最终的分割结果。
全文数据：
权利要求：
百度查询： 长春理工大学 一种基于FasterNet和局部自注意力机制的颅内血肿分割方法
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