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：电子科技大学
摘要：本发明公开了一种基于深度学习的前哨淋巴结超声图像语义分割方法，涉及图像语义分割技术领域。本发明首先获取前哨淋巴结超声图像数据集，对数据集进行预处理以得到训练集；然后构建用于图像语义分割的RA‑U‑Net++网络，并基于训练集对其进行网络参数调优，得到用于目标病灶的医学图像语义分割模型；该网络采用U型结构多层结构，每一层级设置一个采用残差空洞金字塔模块的编码节点，当前层级的编码节点的输出特征图经下采样后输入下一层级的编码节点；首层至倒数第二层均设置有解码节点，解码节点逐层减少，每一层级的解码节点位于编码节点后，每个解码节点的输入包括其前所有节点的输出特征图以及下一层级中的前相邻节点的输出特征图；基于首层的最后一个解码节点的输出特征图获取最终的分割结果。本发明实现了前哨淋巴结超声图像的自动分割，摆脱了繁琐费时费力的手工分割；并且分割效果好，能够得到较高的交并比IoU。
主权项：1.基于深度学习的前哨淋巴结超声图像语义分割方法，其特征在于，包括下列步骤：步骤1，获取前哨淋巴结超声图像数据集，对数据集进行预处理以得到训练集；步骤2，构建用于图像语义分割的RA-U-Net++网络，并基于训练集对RA-U-Net++网络进行网络参数调优，得到用于目标病灶的医学图像语义分割模型；其中，RA-U-Net++网络采用U型结构，其包括L层级，其中，L≥2；每一层级设置一个编码节点，该编码节点采用残差空洞金字塔模块，当前层级的编码节点的输出特征图经下采样后输入下一层级的编码节点；从RA-U-Net++网络的首层至L-1层，均设置有解码节点，首层包括L-1个解码节点，且从首层开始逐层减少一个解码节点，每一层级中，解码节点位于编码节点后，每个解码节点的输入包括：同一层级中当前解码节点之前的每个节点的输出特征图经跳跃连接后的特征图，以及下一层级中的前相邻节点的输出特征图经上采样后的特征图；基于首层的最后一个解码节点的输出特征图获取最终的分割结果。
全文数据：
权利要求：
百度查询： 电子科技大学 基于深度学习的前哨淋巴结超声图像语义分割方法
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