申请/专利权人：四川轻化工大学

申请日：2024-01-16

公开（公告）日：2024-04-09

公开（公告）号：CN117853505A

主分类号：G06T7/11

分类号：G06T7/11;G06N3/0455;G06N3/0464;G06N3/0985;G16H50/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明属于计算机辅助医疗诊断和医学图像处领域，涉及一种基于深度级联卷积神经网络的胰腺图像分割方法，用于腹部CT图像中胰腺部位的精确提取和分割。具体步骤是：将腹部CT三维影像数据集调整窗宽和窗位；将三维影像数据按Z轴切片；对每个切片的图片进行感兴趣区域裁剪；剔除其中不包含胰腺的切片；对裁剪的图片进行数据增强处理，所有图片进行随机旋转和随机水平翻转；构建Unet与U2net级联分割模型；设置超参数训练网络模型，实现对图像进行胰腺特征的自动提取；通过Dice系数及IoU等指标评估测试集分割结果。

主权项：1.一种基于Unet与U2net级联卷积神经网络的胰腺CT图像分割方法，其特征在于：该分割方法包括四个步骤，分别为数据预处理、数据扩充、构建分割模型进行训练、通过Dice系数及IoU等指标评估测试集分割结果；其中，数据预处理步骤负责将腹部影像数据集调整窗宽窗位，用以清晰呈现胰腺部位，随后对图片进行裁剪，保留图片背景和关键前景信息；数据扩充步骤负责将经预处理后的数据进行随机旋转和随机水平翻转，以此扩充数据集；构建分割模型进行训练并验证步骤，该步骤分为三部分，第一部分将归一化后的数据转为张量形式送进改良后的Unet模型中对图像进行特征提取；第二部分将同一数据送入U2net中进行抽象特征的提取；第三部分将前两部分提取得到的信息通过特征融合，将两段语义信息拼接并融合，获得最终预测图。

全文数据：

权利要求：

百度查询： 四川轻化工大学 一种基于Unet与U2net级联卷积神经网络的胰腺CT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