申请/专利权人：重庆医科大学

申请日：2024-01-23

公开（公告）日：2024-04-12

公开（公告）号：CN117876690A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/40;G06V10/80;G06V10/82;G06V10/25;G06T7/00;G06N3/0455;G06N3/0464;G06N3/08

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：本发明公开一种基于异构UNet的超声影像多组织分割方法和系统，该方法利用改进的U‑net网络，其融入残差连接利于训练时加快收敛速度；结合改进的空间金字塔ASPP模块，增大图片感受野，更好的保留图像上下文信息；加入AttentionGate模块有助于模型在训练时会学会抑制图像中不相关的区域或噪声的干扰，注重提取目标区域中有价值的显著特征，提高分割模型的整体精度；改进的U‑net网络可以很好的适用于目标分割任务中，分割效果好于现有的分割网络，有良好的市场前景；与手动勾画和人机交互的半自动分割方法相比，极大减少分割所需时间，有效提高超声图像分割的准确性和效率，具有重要的临床和科研应用价值。

主权项：1.基于异构UNet的超声影像多组织分割方法，其特征在于：包括以下步骤：（1）数据采集：采集用于分割的B超图像，所述B超图像内包含待分割的各目标组织部位，并建立超声图像数据集；（2）数据标注：对超声图像数据集中每张图片数据依次设置各组织标签；（3）数据集预处理：首先对数据集中所有数据进行归一化和标准化处理；（4）构建分割网络：所述分割网络采用改进U-Net网络，所述改进U-Net网络用于识别各组织和靶区图像；所述改进U-Net网络包括编码器、解码器、注意力门控模块和改进的ASPP模块，所述编码器通过双卷积残差特征提取模块进行下采样分别得到深层特征信息和浅层特征信息；通过解码器的上采样操作逐步增加分辨率并利用深层特征信息和浅层特征信息进行图像的分割；所述的注意力门控模块加入到网络解码器的每个解码层之前，用于增强网络对特定特征的关注；所述的改进的ASPP模块位于编码器的末端，用于捕获不同空洞率下的空间信息，从而有效地处理不同尺度的目标；（5）训练网络：使用参数初始化方法对分割网络进行训练得到训练的分割网络；（6）识别结果：将采集的超声图像数据输入到训练好的分割网络中进行识别，得到超声图像数据中声通道上各组织及靶区分割结果。

全文数据：

权利要求：

百度查询： 重庆医科大学 一种基于异构UNet的超声影像多组织分割方法和系统

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