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：长春理工大学
摘要：本发明属于医学图像识别领域。本发明提供了一种基于测试时间增强和结合了OutLooker注意力机制与空洞空间金字塔池化ASPP以及多尺度输入融合的新型Unet网络，并使用一种利用同方差不确定性对权重自动求值的加权损失函数来对骨髓瘤细胞进行语义分割。通过测试时间增强使得模型对小样本数据具有较好的分割能力，引入注意力机制，可以增强网络的特征表示能力。空洞空间金字塔池化模块可以有效地捕获不同尺度的特征信息。同时，还采用了多尺度特征输入的方法，将来自不同尺度的特征图输入到模型中。而加权损失函数则可以在训练过程中平衡不同类别的样本，而权重的自动求解免去了人工调参的过程。本发明利用语义分割网络模型实现了对不同形态和大小的骨髓瘤细胞进行准确地分割。
主权项：1.一种基于改进型Unet网络的骨髓瘤细胞语义分割方法，其特征在于，包括：步骤一：对图像进行预处理，使用Pytorch中处理图像和视频的Torchvision库中的函数对图像进行翻转、缩放、旋转，选用双边滤波方法去除骨髓瘤细胞图像中的噪声；步骤二：将数据集分为三个部分：训练集、验证集和测试集，对于每个数据集，分别训练了单独的Unet模型，Unet模型包括输入层、编码层、解码层、通道映射层以及输出层，在输入层采用多尺度特征输入，编码层和解码层均采用OutLooker注意力机制强化网络对关键区域的关注，通道映射层结合空洞空间金字塔池化ASPP捕获不同尺度的语义信息，并设计了一种基于同方差不确定性对权重自动求值的加权损失函数；步骤三：用每个训练后的模型预测同一预测图像的增强实例，并将结果根据像素多数投票和对象匹配多数投票策略合并预测结果；步骤四：评估模型分割效果。
全文数据：
权利要求：
百度查询： 长春理工大学 基于改进型Unet骨髓瘤细胞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