龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：重庆邮电大学
申请日：2024-01-12
公开（公告）日：2024-05-10
公开（公告）号：CN118015011A
主分类号：G06T7/11
分类号：G06T7/11;G06V10/80;G06V10/44;G06N3/0464;G06N3/0455
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.28#实质审查的生效;2024.05.10#公开
摘要：本发明请求保护一种基于自适应特征信息差异的可靠脑肿瘤分割方法，旨在通过利用特征信息的差异性以及捕获可靠的数据来得到更加准确的分割结果，属于计算机视觉技术领域。所述方法包括以下步骤：将UNet编码部分的卷积块与证据理论进行构建得到证据卷积块C‑EConv，即网络在编码阶段对特征数据进行评估，使网络实现可靠分割。设计了一个动态交叉模态融合模块DCMF，能够自动适应模态差异来充分学习模态特定特征以及模态互补特征。提出边缘特征提取模块EEM，通过增强编码特征的边缘感知能力，从而降低编码特征与解码特征之间的语义差异。
主权项：1.一种基于白适应特征信息差异的可靠脑肿瘤分割方法，其特征在于，包括以下步骤：101、将四张不同模态的脑肿瘤MRI图像分别输入到四个编码器逐步提取高级语义特征，在编码器部分使用C-Econv证据卷积块代替常规的卷积块提取每个模态的置信度高于设定值的特征；102、设计动态交叉模态融合模块DCMF自动适应模态差异来学习四个编码器的模态特定特征以及模态互补特征，DCMF模块中使用注意力提取模态特定特征，使用信息熵计算不同模态的熵值以代表模态不同的贡献度，其次使用交叉像素乘融合模态互补特征；103、将融合后的特征输入到解码器部分，考虑到编码特征和解码特征之间的语义差异设计边缘特征提取模块EEM，EEM模块分别使用多尺度大核卷积和混合注意力分别提取编码特征的全局感受野和局部感受野的细节信息，最后在解码器部分通过逐步的上采样和卷积操作得到最终的脑肿瘤分割结果。
全文数据：
权利要求：
百度查询： 重庆邮电大学 一种基于自适应特征信息差异的可靠脑肿瘤分割方法
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。
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