龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆理工大学
摘要：本发明涉及图像数据处理方法领域，具体涉及基于重参数化与卷积块注意力的息肉图像分割算法，包括：获取原始医学图像；对原始医学图像使用重参数化卷积下采样从原始医疗图像中提取有价值的空间特征与深层语意特征，并使用卷积块注意力模块提取不同尺度息肉要素的特征。然后，使用线性二插值算法结合组卷积对底层特征进行上采样，保证息肉图像分割的精确性。最后，将卷积块注意力提取的特征向量与上采样得到的特征进行拼接，形成下一层的上采样初始特征。本发明对于不同类别数据集的息肉都具有较强的泛化性。
主权项：1.基于重参数化与卷积块注意力的息肉图像分割算法，其特征在于，包括以下步骤假设原始医学图像为FM×M。S1：获取原始图像；S2：对原始图像进行预处理，对尺寸不同的息肉图像进行放缩与灰边填充，而后对将要传入模型的原始图像与标签图像进行One-hot编码操作；S3：使用重参数化训练模块提取原始医学图像的不同感受野鲁棒特征，使用步长为2的重参数化训练模块对原始医学图像进行下采样，使用步长为1的重参数化训练模块对医学图像特征进行深度提取；S4：使用卷积块注意力模块对重参数化后的医学图像特征进行处理，进一步得到特征中的空间特征、语意特征；S5：使用线性二插值上采样结合组卷积模块，对通过瓶颈结构的特征进行上采样，而后与卷积块注意力模块得到的特征内容进行融合；S6：保存重参数化卷积块注意力模块网络的权重参数，使用重参数化方法对保存的权重参数进行重参数化；S7：同时修改重新参数化卷积块注意力模型的下采样为重参数化预测模块，以此模型来对不提供标签的原始息肉医学图像进行分割；S8：计算分割图像与其标签内容的mIou、mDice、mPre和mRec。
全文数据：
权利要求：
百度查询： 重庆理工大学 基于重参数化与卷积块注意力的息肉分割算法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号