申请/专利权人:深圳前海微众银行股份有限公司
申请日:2024-01-19
公开(公告)日:2024-04-02
公开(公告)号:CN117808831A
主分类号:G06T7/11
分类号:G06T7/11;G06T7/00;G06N3/0475;G06N3/045;G06N3/094;G06N3/088;G06V10/762
优先权:
专利状态码:在审-公开
法律状态:2024.04.02#公开
摘要:本申请提供一种医学图像分割方法、电子设备及计算机可读存储介质,方法包括:采集医学图像信息,对所述医学图像信息进行预处理,得到医学图像数据集;使用所述医学图像数据集对生成对抗网络进行深度学习,得到训练结果,根据所述训练结果和所述医学图像数据集计算损失,得到目标损失,根据所述目标损失对所述生成对抗网络进行优化参数,得到目标生成对抗网络;利用所述目标生成对抗网络训练分割网络,得到目标分割网络,所述目标分割网络用于实现医学图像分割,所述分割网络为无监督图像分割网络。采用本申请实施例能够提升医学图像分割效率以及图像分割精准度。
主权项:1.一种医学图像分割方法,其特征在于,所述方法包括:采集医学图像信息,对所述医学图像信息进行预处理,得到医学图像数据集;使用所述医学图像数据集对生成对抗网络进行深度学习,得到训练结果,其中,所述生成对抗网络包括生成器和判别器;所述生成器包括:Dense层和归一化层;所述生成器用于通过学习潜在特征的分布和结构,生成与训练数据类似的新样本;所述判别器包括:Conv2D层、QReLU层和Dropout层,所述QReLU层包括由可变负斜率构成的激活函数,所述判别器用于对生成的样本和真实样本进行区分,利用所述可变负斜率在后续模型训练中,通过变化参数后训练过程效果的变化来决定优化方向;根据所述训练结果和所述医学图像数据集计算损失,得到目标损失,根据所述目标损失对所述生成对抗网络进行优化参数,得到目标生成对抗网络;利用所述目标生成对抗网络训练分割网络,得到目标分割网络,所述目标分割网络用于实现医学图像分割,所述分割网络为无监督图像分割网络。
全文数据:
权利要求:
百度查询: 深圳前海微众银行股份有限公司 医学图像分割方法、电子设备及存储介质
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。