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：大连大学
摘要：本发明提供了一种基于多层级特征引导的小样本医学图像分割方法，通过预训练的ResNet101网络提取医学图像的多层级特征，并经过处理得到关键特征。随后，利用掩码平均池化学习得到支持原型，结合支持原型和查询特征生成查询原型，并通过加权聚合查询原型和支持原型形成聚合原型。接着，计算聚合原型与查询特征余弦相似度，获得最终查询预测掩码。利用最终查询预测掩码和支持特征、查询特征，通过原型对齐和组合损失函数训练模型，提升分割精度。最后，加载训练好的模型对医学图像进行分割，得到分割掩码图像。本发明采用自监督方法将多级特征集成到原型网络中，通过从多层级特征中提取更丰富的信息有效减少信息丢失，提高了分割精度。
主权项：1.一种基于多层级特征引导的小样本医学图像分割方法，其特征在于，该方法包括以下步骤：步骤1：首先使用在MS-COCO数据集上预训练好的ResNet101网络作为特征提取网络，从特征提取网络中获取支持集和查询集对应医学图像的多层级特征表示Fi，将Fi输入到多层级特征处理模块生成处理后的多层级特征Fj，其中步骤2：使用掩码平均池化操作从支持特征FS中学习得到支持原型PS，通过计算支持原型PS和查询特征FQ之间的余弦相似度来估计初始查询预测掩码利用初始查询预测掩码和查询特征FQ生成查询原型PQ；步骤3：将查询原型PQ和支持原型PS通过加权聚合形成聚合原型P，利用预测聚合模块计算聚合原型P和查询特征FQ之间的余弦相似度，并聚合相应预测图以获得最终查询预测掩码步骤4：利用最终查询预测掩码和支持特征FS、查询特征FQ，进行原型对齐，得到支持预测结果；然后使用在上述过程中产生的查询损失和原型对齐正则化损失共同组成的损失函数对基于多层级特征引导的小样本医学图像分割模型进行训练；步骤5：加载步骤4中的模型，将所需医学图像输入到训练完的小样本医学图像分割模型中，得到相应的分割掩码图像。
全文数据：
权利要求：
百度查询： 大连大学 一种基于多层级特征引导的小样本医学图像分割方法
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