申请/专利权人：安徽大学

申请日：2023-11-17

公开（公告）日：2024-03-26

公开（公告）号：CN117765251A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/44;G06V10/52;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种基于金字塔视觉转换器的膀胱肿瘤分割方法，应用于膀胱肿瘤技术领域，包括：采用PVTv2提取待分割图像在四个不同层次下的语义特征，并采用LDA模块对底层语义特征进行净化与校准，采用MSCA模块提取高级语义特征各自的多尺度特征信息；采用DAM模块对高级语义特征的多尺度特征信息进行融合，得到初步分割预测结果，并基于FEM模块，采用全局注意力将底层语义特征的语义细节信息嵌入高级语义特征中，最终分割预测结果；采用加权二元交叉熵损失与Dice损失结合的形式分别计算初步分割预测结果以及最终分割预测结果的损失，作为总损失。本发明能够有效提高对膀胱肿瘤的定位识别精度。

主权项：1.一种基于金字塔视觉转换器的膀胱肿瘤分割方法，其特征在于，包括：步骤1：采用PVTv2提取待分割图像在四个不同层次下的语义特征，并将底层语义特征输入LDA模块，对所述底层语义特征进行净化与校准，得到第一特征图，将三个高级语义特征分别输入MSCA模块，提取三个所述高级语义特征各自的多尺度特征信息，得到第二特征图、第三特征图、第四特征图；步骤2：将所述第二特征图、所述第三特征图、所述第四特征图共同输入DAM模块，进行所述高级语义特征的逐层相乘融合，得到第五特征图；步骤3：调节所述第一特征图的通道数和尺寸与所述第五特征图一致，并与所述第五特征图共同输入FEM模块，采用全局注意力将所述底层语义特征的语义细节信息嵌入所述高级语义特征中，得到第六特征图；步骤4：将所述第五特征图和所述第六特征图分别输入1×1卷积层，并插值到与所述待分割图像相同大小，得到初步分割预测结果和最终分割预测结果，并采用加权二元交叉熵损失与Dice损失结合的形式分别计算所述初步分割预测结果以及所述最终分割预测结果的损失，作为总损失。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于金字塔视觉转换器的膀胱肿瘤分割方法

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