申请/专利权人：桂林电子科技大学

申请日：2022-03-15

公开（公告）日：2024-03-22

公开（公告）号：CN114638842B

主分类号：G06T7/11

分类号：G06T7/11;G06N3/0464;G06T7/73

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.07.05#实质审查的生效;2022.06.17#公开

摘要：本发明公开了一种基于MLP的医学图像分割方法，其特征在于，包括如下步骤：1）编码；2）解码；3）局部分支结构和全局分支结构。这种方法不仅在保持原始空间维度特征结构下，具有敏感的位置感知能力和极少的计算开销，并且有效增加模型提取局部特征和全局上下文信息的能力，增大模型对小尺度物体的特征感知，也能有效地解决由于医学分割数据样本数量相对较少，医学图像中patch的位置嵌入的依赖关系不能很好地学习的问题，从而实现高性能和高效率的医学分割。

主权项：1.一种基于MLP的医学图像分割方法，其特征在于，包括如下步骤：1编码：特征图的编码采用基于MLP的医学图像分割模型TGMLPUnet，在TGMLPUnet编码器中，首先TGMLP分别沿着高度轴、宽度轴和通道轴编码特征图，然后TGMLP加入全局感知和局部先验模块，TGMLP加入门控机制控制输出的信息量保留特征信息，TGMLP的输出的编码特征连接一个1×1的卷积层，经过卷积后的特征连接残差映射，并采用add函数将卷积后的特征和输入进TGMLP的特征相加，获得最终的编码后的特征图；2解码：解码器是由3×3卷积层、反卷积、跳跃连接构成，采用跳跃连接将解码部分中反卷积结果与编码部分的输出进行对应的连接与合并；3局部分支结构和全局分支结构：TGMLPUNet的两个分支结构分别为局部分支结构和全局分支结构，全局分支用来学习长距离特征的关系，局部分支用来弥补patch像素之间失去的局部细节特征，首先，两个分支结构之前医学影像分割图像经过3个7×7卷积层进行特征的初步提取，每个卷积层都有归一化和Relu激活函数，其次将局部分支输出的所有patch块特征进行堆叠，然后采用add函数将全局分支和局部分支的提取的特征图进行相加，最后采用1×1的卷积层对特征图进行像素级别分类，其中，在TGMLPUnet的全局分支设有2个编码器和2个解码器，局部分支中有5个编码器和5个解码器，不管是全局分支还是局部分支，都是将多个编码器和解码器分别串联起来。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于MLP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。

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