申请/专利权人：复旦大学

申请日：2024-03-14

公开（公告）日：2024-06-28

公开（公告）号：CN118262107A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/82;G06N3/0455;G06N3/048;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明属于医学图像分割技术领域，具体为一种基于SAM改进适配器的胃肠息肉图像自动分割系统。本发明是对于任意分割模型SAM，设计一种新的适配器，只需训练插入的少量参数，并冻结原有模型参数，即可更灵活、更便捷地完善网络；并且设计适配器的插入位置，利用并行结构，减少参数共享所带来的冲突和干扰，提高模型的稳定性和泛化能力；此外，还设计本模型适用的损失函数。本发明系统中采用高效准确的分割算法，可以让医生准确掌握患者的病情，并且以此作为辅助去了解息肉的形状特征等，有助于医生制定最合适的治疗方案，提高治疗效果，并减轻患者的痛苦，帮助患者康复。

主权项：1.一种基于SAM改进适配器的胃肠息肉图像自动分割系统，其特征在于，对于任意分割模型SAM，设计一种新的适配器N-Adapter，只需训练插入的少量参数，并冻结原有模型参数，即可更灵活、更便捷地完善网络；并且设计新的Adapter的插入位置，利用并行结构，减少参数共享所带来的冲突和干扰，提高模型的稳定性和泛化能力；此外，还设计本模型适用的损失函数；具体如下：1适配器N-Adapter的结构设计对于原始的Adapter，将残差连接改为特征提取分支，此处加入卷积操作；具体采用改进的重复多次1×1卷积和3×3卷积操作，并将结果相加，实现多尺度特征的融合；2适配器N-Adapter的位置设计同样是插入两个N-Adapter，第一个N-Adapter放在多头注意力的残差路径的一个分支上，第二个N-Adapter放在MLP的一个分支上；它们的残差连接依旧保留；3损失函数的设计采用包含焦点损失FocalLoss和交并比损失IoULoss的联合分割损失函数Lseg，具体如下：Lseg＝LFL+μLIoU1其中，μ表示焦点损失LFL和交并比损失LIoU的权衡系数；焦点损失是一种专门用于处理类别不平衡问题的损失函数，其定义公式如下： 其中，γ表示缩放因子，则是预测概率，y为类别；缩放因子γ用于调整预测置信度较高的样本的权重，当γ值较大时，模型更加关注具有较低置信度的困难样本；交并比损失函数IoULoss是在训练过程中通过预测样本和实际样本的交并比IoU来优化模型，其定义公式分别如下所示： LIoU＝1-IoU，4。

全文数据：

权利要求：

百度查询： 复旦大学 基于SAM改进适配器的胃肠息肉图像自动分割系统

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