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：北京知见生命科技有限公司;重庆知见生命科技有限公司;中国人民解放军陆军军医大学第一附属医院
申请日：2021-11-22
公开（公告）日：2024-06-28
公开（公告）号：CN114549394B
主分类号：G06V10/26
分类号：G06V10/26;G06N3/0455;G06N3/08;G06V10/82;G06V10/80
优先权：
专利状态码：有效-授权
法律状态：2024.06.28#授权;2022.06.14#实质审查的生效;2022.05.27#公开
摘要：本发明提出一种基于深度学习的肿瘤病灶区域语义分割方法和系统，本发明提出端到端的网络结构模型，整体结构分为编码层和解码层两部分，在编码层中引入密集连接网络结构块解决网络过深造成梯度弥散问题，在解码层引入特征注意力机制和通道注意力机制精确获取分割目标信息，在跳跃连接处增加多尺度感受野网络结构获取不同尺度语义信息，提升分割精度。该模型在兼顾速度和精度的前提下可以精确地分割出肿瘤病灶区的准确位置，在医学图像处理领域中具有广泛的应用前景。
主权项：1.一种基于深度学习的肿瘤病灶区域语义分割方法，其特征在于，包括：步骤1、构建包括编码层网络、解码层网络、多尺度感受野网络和注意力层的语义分割模型，获取相机拍摄的多张包含肿瘤的器官解剖图像，作为训练图像，且训练图像中每个像素点均标注有对应肿瘤病灶类别；步骤2、通过该编码层网络提取该训练图像的语义和外观特征，构成编码层特征图，将该编码层特征图输入至该多尺度感受野网络，得到多尺度特征图，并通过该解码层网络将该编码层特征图和该多尺度特征图相融合，以对该编码层特征图进行上采样，得到解码层特征图；步骤3、将该解码层特征图输入由特征注意力和通道注意力结构组成的该注意力层中，得到融合特征注意力和通道注意力的语义分割特征图，该语义分割特征图和该训练图像尺寸相同，且该语义分割特征图中每个像素值对应训练图像中相同位置像素的肿瘤病灶类别；步骤4、基于该语义分割特征图以及训练图像中每个像素点标注的肿瘤类别，构建损失函数，以迭代训练该语义分割模型，直到损失函数收敛或达到预设迭代次数，保存当前语义分割模型作为最终识别模型；步骤5、通过该最终识别模型提取相机拍摄的肿瘤解剖图像的肿瘤区域及其对应肿瘤类别。
全文数据：
权利要求：
百度查询： 北京知见生命科技有限公司;重庆知见生命科技有限公司;中国人民解放军陆军军医大学第一附属医院 一种基于深度学习的肿瘤病灶区域语义分割方法及系统
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。
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