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：哈尔滨理工大学
摘要：本发明针对现有医学图像分割方法在处理包含小尺寸器官和复杂边缘的图像时存在边缘分割不准确的问题，提出了一种基于CNN和SwinTransformer混合编码的医学图像分割模型。设计了一种混合编码器进行特征提取，其中多尺度特征提取使模型能够更准确地分割包含小尺寸器官的医学图像，引用SwinTransformer模块使模型具备长距离依赖建模能力，可以学习图像中不同区域之间的联系，从而更好的约束不同类别的边界；通过在跳跃连接中使用注意力门控，有效的抑制语义差异，方便特征的进一步融合；在解码器阶段，模型通过级联上采样方式对来自编码器和注意力门控模块输出的特征进行特征重组及解码，最后输出预测结果。
主权项：1.一种基于CNN和SwinTransformer混合编码的医学图像分割模型构建方法，其特征在于，包括以下步骤：步骤1：图像在输入模型训练前进行数据预处理，由于医学数据集较小，所以对现有数据集进行数据增强。步骤2：编码器的设计。模型使用基于CNN的MSFblock、基于Transformer的SwinTransformerblock和残差块构建混合编码器。编码器中MSFblock用于提取高分辨率的细节纹理信息，SwinTransformerblock主要用于提取全局上下文语义信息。步骤3：跳跃连接的设计。将提出的注意力门控模块集成在跳跃连接处，输入同一层编码器和解码器输出的特征，通过sigmoid计算注意力系数，通过注意力系数将编码器输出的特征进行重新加权赋值，加权后的特征图与解码器输出的特征图进行通道维度的拼接。步骤4：解码器的设计。使用级联上采样的方式接收编码器和注意力门控模块的输出，通过多个上采样步骤解码特征，最终预测输出分割掩码。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于CNN和SwinTransformer混合编码的医学图像分割模型构建方法
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