申请/专利权人:上海健康医学院;上海理工大学
申请日:2020-11-11
公开(公告)日:2024-04-26
公开(公告)号:CN112465830B
主分类号:G06V10/26
分类号:G06V10/26;G06V10/52;G06V10/44;G06V10/77;G06V10/25;G06V10/82;G06N3/0464;G06N3/045;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2021.03.26#实质审查的生效;2021.03.09#公开
摘要:本发明涉及一种磨玻璃样肺结节自动分割方法及计算机设备,所述方法包括以下步骤:获取计算机断层扫描设备采集的医学图像原始数据;对所述医学图像原始数据进行预处理;将预处理后的图像作为训练好的基于ASPP结构和注意力机制的全卷积残差网络的输入,获得磨玻璃样肺结节分割结果;所述基于ASPP结构和注意力机制的全卷积残差网络以多个Conv2D卷积层为基础架构,相邻Conv2D卷积层之间设置有残差模块和注意力模块,并在全卷积残差网络中设置ASPP结构以捕获磨玻璃样肺结节的多尺度信息。与现有技术相比,本发明具有快速、准确等优点。
主权项:1.一种磨玻璃样肺结节自动分割方法,其特征在于,该方法包括以下步骤:获取计算机断层扫描设备采集的医学图像原始数据;对所述医学图像原始数据进行预处理;将预处理后的图像作为训练好的基于ASPP结构和注意力机制的全卷积残差网络的输入,获得磨玻璃样肺结节分割结果;所述基于ASPP结构和注意力机制的全卷积残差网络以多个Conv2D卷积层为基础架构,相邻Conv2D卷积层之间设置有残差模块和注意力模块,并在全卷积残差网络中设置ASPP结构以捕获磨玻璃样肺结节的多尺度信息;所述基于ASPP结构和注意力机制的全卷积残差网络还包括用于融合低层特征和高层特征的长跳跃连接层;所述基于ASPP结构和注意力机制的全卷积残差网络划分为低层子网络和高层子网络,所述低层子网络中间隔设置有MaxPooling2D池化层,所述高层子网络中间隔设置有ConvTranspose2D卷积层,所述ASPP结构设置于低层子网络与高层子网络之间;所述多个Conv2D卷积层中,输出层采用Sigmoid激活函数,其余层采用Relu激活函数。
全文数据:
权利要求:
百度查询: 上海健康医学院;上海理工大学 一种磨玻璃样肺结节自动分割方法及计算机设备
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。