申请/专利权人：苏州大学

申请日：2022-05-31

公开（公告）日：2022-09-20

公开（公告）号：CN115082500A

主分类号：G06T7/11

分类号：G06T7/11;G06T3/40;G06V20/70;G06V10/44;G06V10/80;G06V10/82;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.07.11#授权;2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明公开了一种基于多尺度与局部特征引导网络的角膜神经纤维分割方法、装置、设备以及计算机可读存储介质包括：利用U型网络的编码器和解码器对医学样本图像进行特征提取；利用多尺度深度监督网络上采样每个解码器的输出，将每个解码器的输出与预设解码器的输出进行拼接，输出每个解码器对应的医学分割图像；计算每个解码器对应的医学分割图像与医学图像训练集标注区域的损失函数值；基于多个损失函数值对网络进行监督训练，本发明利用多个损失函数值优化每个解码器的输出，从而更好的加快网络的收敛速度，提升分割性能，提高医学图像分割的精确度。

主权项：1.一种基于多尺度与局部特征引导网络的角膜神经纤维分割方法，其特征在于，包括：将医学图像训练集输入多尺度与局部特征引导网络进行训练，所述多尺度与局部特征引导网络包括U型网络和多尺度深度监督网络；利用U型网络的编码器和解码器对医学样本图像进行特征提取；利用所述多尺度深度监督网络对每个解码器输出的特征图，将上采样处理后的每个解码器输出的特征图与预设解码器输出的特征图进行拼接，并通过卷积层对拼接后的特征图进行处理，输出每个解码器对应的医学分割图像；计算所述每个解码器对应的医学分割图像与所述样本图像的标注区域的损失函数值；基于多个损失函数值对所述多尺度与局部特征引导网络进行监督学习，得到完成训练的多尺度与局部特征引导网络。

全文数据：

权利要求：

百度查询： 苏州大学 基于多尺度与局部特征引导网络的角膜神经纤维分割方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD