申请/专利权人:江苏科技大学
申请日:2023-11-16
公开(公告)日:2024-03-22
公开(公告)号:CN117745735A
主分类号:G06T7/11
分类号:G06T7/11;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于自适应编码和综合注意力解码的医学图像分割方法,对预先获取的医学图像进行预处理和数据增强;构建基于编码器‑解码器结构的医学图像分割网络AA‑Net;包括自适应校正模块和综合注意力模块;将增强后的医学图像首先输入至编码器中的自适应矫正模块进行编码,提取具有强大表达能力的候选特征;候选特征通过跳跃连接进入综合注意力模块,并与解码的特征进行融合,得到输出的预测标签图;对AA‑Net进行训练,根据损失函数对网络进行反向传播并更新网络权重;并保存损失最小的一次网络权重;保存的网络权重装载进模型,实现待分割医学图像的病灶分割结果。本发明能更好地识别目标的位置并分割目标的边界,并显著提高分割精度。
主权项:1.一种基于自适应编码和综合注意力解码的医学图像分割方法,其特征在于,包括以下步骤:1对预先获取的医学图像进行预处理和数据增强;2构建基于编码器-解码器结构的医学图像分割网络AA-Net;包括自适应校正模块和综合注意力模块;所述综合注意力模块包括三分支选择性尺度子模块和四分支注意力子模块;将增强后的医学图像首先输入至编码器中的自适应矫正模块进行编码,提取具有强大表达能力的候选特征;候选特征通过跳跃连接进入综合注意力模块,并与解码的特征进行融合,得到输出的预测标签图;3对医学图像分割网络AA-Net进行训练,训练迭代过程中根据损失函数对网络进行反向传播并更新网络权重;4在每一轮次的训练中都在验证集上计算图像预测结果与真实标签的损失,并保存损失最小的一次网络权重;5测试网络,保存的网络权重装载进模型,将待分割的医学图像输入至模型得到病灶分割结果。
全文数据:
权利要求:
百度查询: 江苏科技大学 基于自适应编码和综合注意力解码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。