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：海南大学
摘要：本发明公开了基于双模态多任务学习模型的前列腺肿瘤图像分析方法，所述方法包括下列步骤：获取待分割的前列腺区域图像，并对所述前列腺区域图像进行预处理，所述前列腺区域图像包括T2加权图像以及扩散加权图像；构建双模态多任务学习模型，提取训练数据集，训练双模态多任务学习模型，在所述双模态多任务学习模型包括了分割部分以及分级部分，分割部分包括编码器以及解码器，在编码器中构建了SPM模块来进行辅助特征提取，在解码器中构建了Transformer单元增强全局特征表示，在分级部分构建了PI‑RADS多尺度分级网络获取更精细的细节信息，并输出PI‑RADS分级结果；将预处理后的所述前列腺区域图像输入双模态多任务学习模型，获得前列腺肿瘤图像分割结果以及分级结果。
主权项：1.基于双模态多任务学习模型的前列腺肿瘤图像分析方法，其特征在于，所述方法包括下列步骤：获取待分割的前列腺区域图像，并对所述前列腺区域图像进行预处理，所述前列腺区域图像包括T2加权图像以及扩散加权图像；构建双模态多任务学习模型，提取训练数据集，训练双模态多任务学习模型，所述双模态多任务学习模型包括了分割部分以及分级部分，分割部分包括编码器以及解码器，在编码器中构建了SPM模块来进行辅助特征提取，在解码器中构建了Transformer单元增强全局特征表示，在分级部分构建了PI-RADS多尺度分级网络获取更精细的细节信息，并输出PI-RADS分级结果；将预处理后的所述前列腺区域图像输入双模态多任务学习模型，获得前列腺肿瘤图像分割结果以及分级结果。
全文数据：
权利要求：
百度查询： 海南大学 基于双模态多任务学习模型的前列腺肿瘤图像分析方法
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