申请/专利权人：海南大学

申请日：2021-07-26

公开（公告）日：2024-04-02

公开（公告）号：CN113362350B

主分类号：G06T7/11

分类号：G06T7/11

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.09.24#实质审查的生效;2021.09.07#公开

摘要：本申请提供了一种癌症病历图像的分割方法、终端设备和计算机可读存储介质，获取待识别癌症病历DWI图像；将待识癌症病历DWI图像输入至预先训练的癌症区域分割模型，分别分割出待识别癌症病历DWI图像中的癌症区域和非癌症区域；其中，癌症区域分割模型是采用标记的不同尺度的癌症病历DWI图像样本对改进的神经网络进行训练得到的，改进的神经网络包括注意力网络；该方法可以采用一个模型快速分割出癌症和非癌症区域，减少了操作，提高了识别的效率。另外，该方法采用了改进的神经网络，识别准确率高。

主权项：1.一种癌症病历图像的分割方法，其特征在于，所述方法包括：获取待识别癌症病历DWI图像；将所述待识别癌症病历DWI图像输入至预先训练的癌症区域分割模型，分别分割出所述待识别癌症病历DWI图像中的癌症区域和非癌症区域；其中，所述癌症区域分割模型是采用标记的不同尺度的癌症病历DWI图像样本对改进的神经网络进行训练得到的，所述改进的神经网络包括注意力网络；所述癌症区域分割模型的训练方法，包括：获取癌症病历DWI图像数据，采用标签对所述癌症病历DWI图像数据进行标记；对标记的癌症病历DWI图像数据进行剪裁，并分别对剪裁前和剪裁后的标记的癌症病历DWI图像数据进行刚性变换处理，形成标记的不同尺度的癌症病历DWI图像样本；构建所述改进的神经网络，其中所述改进的神经网络包括Decoder网络和深度监督网络、以及依次连接的Featureencoder网络、Attention网络和特征融合网络；其中Featureencoder网络和Attention网络的数量为两个，所述Featureencoder网络并列设置，分别连接一个Attention网络，并且所述Attention网络相连接；Decoder网络的数量为三个，其中两个Decoder网络的一端各与一个所述Featureencoder网络连接，另一个Decoder网络的一端与所述特征融合网络连接，每个Decoder网络的另一端连接所述深度监督网络；将所述标记的不同尺度的癌症病历DWI图像样本分别输入两个所述Featureencoder网络提取图像特征，分别得到第一特征图和第二特征图；其中，同一种尺度的标记的癌症病历DWI图像样本输入到同一个Featureencoder网络；将所述第一特征图和所述第二特征图分别对应输入至两个所述Attention网络，分别输出第三特征图和第四特征图；分别将所述第三特征图和第四特征图输入至所述融合网络，得到融合特征图；将所述第一特征图、所述第二特征图、所述第三特征图、所述第四特征图和所述融合特征图均输入至每个所述Decoder网络进行处理，将处理结果输入所述深度监督网络进行标签深度监督，并计算损失函数，根据所述损失函数更新所述改进的神经网络的参数，直至收敛，训练完成，得到所述癌症区域分割模型。

全文数据：

权利要求：

百度查询： 海南大学 癌症病历图像的分割方法、装置、终端设备和存储介质

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。

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