龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：吉林大学
摘要：一种针对对抗攻击的乳腺超声图像鲁棒分割方法及其系统，涉及医疗成像技术领域，特别涉及乳腺超声成像的图像分割方法。解决现有技术中对抗性噪声攻击下乳腺超声图像分割的精确性和鲁棒性差的问题。方法为：采用卷积神经网络学习乳腺超声图像在特征空间的非线性映射，获取每个图像每个像素点的特征向量；采用原型向量代替原本由二维卷积层组成的投影头函数，并基于投影头函数使像素的类别转换为与其相似度最大的原型向量的类别；采用基于学习矢量量化方法的动量更新方法更新所述原型向量；采用基于广义学习矢量量化方法的损失函数更新所述卷积神经网络参数。本发明适用于对抗噪声的医学图像处理领域。
主权项：1.一种针对对抗攻击的乳腺超声图像鲁棒分割方法，其特征在于，所述方法为：S1：采用卷积神经网络学习乳腺超声图像在特征空间的非线性映射，获取每个图像每个像素点的特征向量；S2：采用原型向量代替原本由二维卷积层组成的投影头函数，根据每个像素点的特征向量并基于投影头函数使像素的类别转换为与其相似度最大的原型向量的类别；S3：采用基于学习矢量量化方法的动量更新方法更新所述原型向量；S3具体为：S31：对于一个C类的分割任务，每一个原型的类别为，其中，，为每一个类别分配K个原型向量，其中，，表示其中一个原型向量，具体为第c类中的第个原型向量，每个原型向量的维度为D；第c类的原型向量的集合为，表示第c类的第k个原型向量，所有原型向量的集合为，其中，，表示类别；S32：令表示每个像素的特征向量，与原型向量对应，表示被分配给的像素的特征向量，其中，每一个像素的类别为，；被分配给c类中的第个原型向量，其中，；S33：通过像素的特征值对原型向量进行更新，更新公式为： ；其中，表示正确分配给原型向量的向量的平均值，表示错误分配给原型向量的向量的平均值，为超参数，代表控制这个动量更新方式的尺度；S4：采用基于广义学习矢量量化方法的损失函数更新所述卷积神经网络参数。
全文数据：
权利要求：
百度查询： 吉林大学 一种针对对抗攻击的乳腺超声图像鲁棒分割方法及其系统
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