申请/专利权人：重庆理工大学

申请日：2024-01-16

公开（公告）日：2024-04-12

公开（公告）号：CN117876399A

主分类号：G06T7/11

分类号：G06T7/11;G06V10/25;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于改进U‑Net的多尺度特征融合的MRI脑肿瘤分割方法，属于医学图像分析技术领域，包括：引入内核扩展模块InceptioNext模块作为网络编码器，采用不同内核大小的深度卷积捕获形态各异脑肿瘤的内部及其边界纹理特征。跳跃连接阶段双交叉注意力机制DualCross‑Attention来自适应的提取全局上下文语义特征，通过融合多尺度信息使网络关注目标区域。解码阶段利用特征融合模块FeatureFusionBlock关注局部与边缘细节特征，最大程度上避免生成模糊图像。实验结果证明，本发明对脑肿瘤分割中完整肿瘤、肿瘤核心和增强肿瘤的Dice系数分别保持在0.9、0.82、0.80左右，解决了脑肿瘤分割存在区域误判以及分割不完整导致分割精度较低的问题，显著改善了MRI脑肿瘤分割的准确性、鲁棒性。

主权项：1.基于改进U-Net的多尺度特征融合的MRI脑肿瘤分割方法，其特征在于，包括以下步骤：S1、获取多模态MRI脑肿瘤图像并对数据进行预处理；S2、构建基于改进U-Net的多尺度特征融合的MRI脑肿瘤分割模型；S3、利用数据集训练改进的U-Net网络得到预训练的模型，保存最优模型以及相应权重；S4、利用最优模型对测试集中数据进行预测，获得预测分割结果，通过计算各类评价指标与现有方法进行结果对比，验证本方法在MRI脑肿瘤分割中的优越性。

全文数据：

权利要求：

百度查询： 重庆理工大学 基于改进U-Net的多尺度特征融合的MRI脑肿瘤分割方法

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