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：重庆理工大学
摘要：本发明提供一种混合数据扰动和特征强化扰动的半监督医学图像分割方法，包括设计像素级混合数据扰动，利用强扰动图像构造混合数据图像，将混合数据图像视作包含额外信息的同源扰动，使混合数据的预测结果与强扰动预测结果的混合构建相似性映射关系；设计特征级强化扰动，在传统特征扰动基础上引入额外的注意力信息，同时利用特征过滤模块对原始特征信息进行部分保留，引入补充‑丢弃特征信息的非同源扰动；以采用强弱一致性正则化原理为基础，组合混合数据扰动与特征强化扰动构建多流扰动整体框架，设计两种扰动的损失权值以协同作用。本发明通过引入强弱一致性正则化原理作为理论基础，构建了同源扰动和非同源扰动分支，以探索更广阔的扰动空间。
主权项：1.混合数据扰动和特征强化扰动的半监督医学图像分割方法，其特征在于，包括以下步骤：S1、设计像素级混合数据扰动，利用强扰动图像构造混合数据图像，将混合数据图像视作包含额外信息的同源扰动，使混合数据的预测结果与强扰动预测结果的混合构建相似性映射关系，进而规避传统自训练丢弃部分像素的问题，使得本分割模型更加倾向提取全部像素的信息；S2、设计特征级强化扰动，在传统特征扰动的基础上引入额外的注意力信息，同时利用特征过滤模块对原始特征信息进行部分保留，引入一种补充-丢弃特征信息的非同源扰动，本分割模型通过在像素级和特征级分别构造同源和非同源扰动，强制分割模型对抗未标记数据的各种干扰，以提高对未标记数据的适应性；S3、以采用强弱一致性正则化原理为基础，组合所述像素级混合数据扰动与特征级强化扰动构建多流扰动整体框架，通过设计所述像素级混合数据扰动与特征级强化扰动这两种扰动的损失权值，使两种扰动协同作用以实现高水平的半监督医学图像分割。
全文数据：
权利要求：
百度查询： 重庆理工大学 混合数据扰动和特征强化扰动的半监督医学图像分割方法
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