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：首都医科大学附属北京友谊医院
摘要：本发明公开了一种基于全局与局部特征联合学习与多尺度特征融合的医学图像分割方法，旨在解决现有医学图像分析技术无法有效对全局与局部信息进行同时建模以及无法有效学习多尺度特征的问题。本发明包括：获取医学图像，并对图像进行相应的预处理；基于预处理的图像，通过训练好的全局与局部特征联合学习与多尺度特征融合网络生成目标图像的分割结果。本发明通过提出的全局与局部特征联合学习模块可以有效地感知医学图像的全局依赖关系以及局部细节信息；多尺度特征文融合模块以及解码器中的稠密跳跃链接，可以有效地从多个尺度捕获更多的空间上下文特征，同时保留来自浅层的更多细节信息，提高了医学图像分割的准确性。
主权项：1.一种基于全局与局部特征联合学习与多尺度特征融合的医学图像分割方法，其特征在于，包括：步骤1、获取相应的医学图像，并对所述图像进行处理，包括去中心化以及标准化处理；步骤2、全局与局部特征联合学习，通过由SwinTransformer的Transformer分支和卷积的CNN分支组成的编码器模块逐层提取图像的全局依赖关系以及局部细节信息；步骤3、多尺度特征融合，在编码器模块的输出端，将编码器模块得到的深层语义特征在通道维度进行拼接，并送入多尺度特征融合模块中，捕捉上下文信息；步骤4、将处理后的特征图传递给解码器模块，逐层恢复特征图的空间信息，得到分割结果；多尺度上下文融合模块包括通过残差连接的空间特征融合模块通道注意力模块所述空间特征融合模块采用空洞卷积，包括4个并行的分支，每个分支采用不同大小的卷积核进行操作，4个分支卷积的空洞率分别设置为0、1、3、5；所述通道注意力模块通过直接建模通道间的权重，进行建立通道的依赖关系，首先对输入的特征图x∈RC×H×W进行平均池化操作，得到全局平均池化统计向量z∈RC×1×1： 为了捕获通道之间的依赖关系，使用两个全连接层对z进行变换，最后使用Sigmoid函数得到各个通道的权重：s＝σW2δW1z其中，δ·与σ·分别表示ReLU激活函数以及Sigmoid函数； 与分别是全连接层的权重，r为缩放系数；最终的输出为： 其中，⊙表示哈达玛积。
全文数据：
权利要求：
百度查询： 首都医科大学附属北京友谊医院 一种基于全局与局部特征联合学习与多尺度特征融合的医学图像分割方法
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