本发明涉及计算机视觉技术领域，具体涉及一种基于先验形状约束的BCA‑UNet肝脏分割方法，包括以下步骤：输入肝脏CT图像，对肝脏CT图像进行预处理，得到预处理后的肝脏CT图像，将预处理后的肝脏CT图像输入训练好的肝脏分割模型中，得到肝脏分割结果。本发明采用优化的主动轮廓损失函数计算高维特征的损失，融合两个网络中间特征作为下一层注意力信号，用于约束分割网络(BCA‑UNet)，误差反向传播逐层优化，避免了边缘轮廓的丢失。此外，本发明的肝脏分割模型对图像边缘轮廓较敏感，提高了分割的精度，缩小了表面距离误差。
📄 2020113201057
📂 G06T7_00
👤 重庆邮电大学
📅 2020-11-23
一种基于深度网络的视神经自动分割方法，使用具有NVIDIA GeForce系列显卡的操作平台，通过对标注数据进行预处理及深度网络训练等一系列操作，得出网络模型，能够对视神经结构进行预测分割。相比较于常用的人工标注和基于可变模型的分割方法，本发明可以更为快速地获得视神经分割数据，分割精度通过深度网络学习得到提高，能够为视神经分割过程提供精确、高效的方法，还能够为其他颅神经提供可重复分析的方法。
📄 2020113817675
📂 G06T7_10
👤 浙江工业大学
📅 2020-12-01
一种基于类别均衡小样本学习的新冠肺炎感染区域分割方法，采用迭代模型，使用标记数据训练一个有监督模型，再使用该模型对无标签数据进行预测，得出预测概率，通过预测概率筛选高置信度样本，再使用有标记数据以及伪标签数据训练新模型，重复以上步骤直至模型效果不出现提升，完成迭代任务。对于多类别分割任务，针对所获得的数据集中存在的类别不均衡现象，本发明提出了一种根据类别像素权重进行重加权的类别均衡方法，通过对不同类别加权，使占比较少的类别增加权重，占比较多的类别相应减少权重，以达到类别均衡的效果。
📄 202010804398X
📂 G06T7_11
👤 浙江工业大学
📅 2020-08-12
一种基于多尺度信息与并行注意力机制的深度学习肠道息肉分割方法，在编码时本发明通过建立分支的方式从更细粒度上提取特征，并通过改进后的压缩激励模块以重新校准特征响应，然后在空洞空间金字塔池化的基础上通过建立分支之间的联系进一步提取并融合特征，能够更精确地提取肠道与息肉的多尺度特征并将其区分来开，很好地解决了分割时常常会将肠道壁褶皱误判为息肉区域的问题；在解码时则抛弃了浅层特征细化了深层特征，并利用注意力机制进一步建立边界关系，能够在缩短训练时间的基础上更精确地分割出息肉边界。
📄 2020114272539
📂 G06T7_12
👤 浙江工业大学
📅 2020-12-09
一种基于卷积神经网络多模态融合的淋巴瘤病灶分割方法，所述方法包括以下步骤：步骤1.构建包含特征融合模块的双分支卷积神经网络模型；步骤2.将PET和CT图像分别输入到卷积神经网络的PET分支和CT分支，获取中间特征图；步骤3.将具有相同大小和通道数的PET和CT中间特征图经concatenate后输入到融合模块，得到融合后的特征图；步骤4.将融合后的特征图输入到对应解码器层，进行分割预测。本发明通过额外的融合模块，融合PET和CT的中间特征图，提高了淋巴瘤病灶自动识别分割的性能。
📄 2023110190124
📂 G06V10_26
👤 浙江工业大学
📅 2023-08-14
一种基于多尺度注意力网络的脑血管医学图像分割方法，首先将原始的脑血管MRA图像进行预处理，随后训练一个多尺度注意力UNet网络；网络模型上编码部分通过多尺度注意力模块提取脑血管图像的特征，提升有效特征的学习能力；解码部分通过跳级连接融合多尺度特征，提高模型分割的精准度；最后将待分割的测试数据输入训练好的模型得到分割结果并进行三维重建。本发明考虑脑血管在脑部影像中的复杂特点，针对性地提出网络模型进行脑血管影像的分割与三维重建，解决了脑部血管高度复杂、位置形态不一等带来的分割难题，提高MRI脑血管影像的分割精度。
📄 2022103312090
📂 G06T7_00
👤 浙江工业大学
📅 2022-03-30
一种肿瘤压迫下的听神经分割方法，首先根据解剖学定义，听神经不会穿过肿瘤，仅会在肿瘤的表面，并且位置多在肿瘤的前上方。所以该发明首先手动的划分了听神经纤维跟踪时的肿瘤内部的限制区域(ROA)以及纤维跟踪时的感兴趣区域(ROI)，然后设置纤维跟踪到ROA区域时将退回上一体素并拟合新的跟踪方向。若体素存在多个特征方向则根据方向约束进行筛选。最后同时重建出听神经鞘瘤与听神经观察二者位置关系。本发明有效避免了听神经鞘瘤周纤维跟踪无法正确的重建出听神经以及产生大量假阳性纤维的问题，提升了纤维跟踪结果的准确性。
📄 202110330864X
📂 G06V10_26
👤 浙江工业大学
📅 2021-03-26
基于空洞卷积和多尺度融合的黑色素瘤分割方法，包括：步骤1)医学图像预处理；步骤2)构建具有灵活感受野的多尺度聚合网络模型；步骤3)将训练集数据输入模型中进行训练；步骤4)皮肤镜图像病灶区域分割。本发明提出的通道注意空洞卷积模块可以根据图像特征自适应的扩大感受野，获取更加紧密的上下文信息，缓解固定感受野引起的特征不充分问题；聚合交互模块可以将编码层输出的特征与相邻编码层的特征进行聚合，获得多尺度信息，并且降低了编码层和对应的解码层之间的语义差距，抑制直接聚合引起的噪声。本发明能够分割精确的皮肤镜图像，起到辅助作用。
📄 2020110948311
📂 G06T7_11
👤 浙江工业大学
📅 2020-10-14
本发明公开了一种基于分形维数系数的气道分割方法及系统，本发明通过气道标签计算出每一个像素的分形维数和/或气道密度值，并根据分形维数和/或气道密度值为训练图像的每一个像素赋予权重指导三维卷积网络训练，得到具有更精确分割气道能力的深度学习模型。本发明通过一种基于分形维数系数的深度神经网络准确、高效地完成对肺气道的分割，尤其能获取更为深度、精确的气道分割结果，同时本发明可实现全自动分割气道。
📄 2024112917513
📂 G06T7_11
👤 浙江工业大学
📅 2024-09-14
一种适用于移动应用的小巧医学影像病灶分割方法，首先训练得到准确率较高的第一网络，然后将医学图像输入至第二网络和训练好的第一网络，对第一网络中间层的特征图特征精炼、边缘特征推理，将第一网络中和标签中丰富的边缘信息，通过投影、建图、推理的过程提取抽象的图信息；本发明通过特征精炼和边缘特征推理，将内在知识传递到第二网络，可使第二网络结果更加优秀，进而提升最终分割的性能，得到的第二网络，将待检测医学影像输入至已训练完成的第二网络中，得到病灶分割结果。本发明分割精确度高，体积小，特别适合部署在移动应用中。
📄 2021102897717
📂 G06T7_00
👤 浙江工业大学
📅 2021-03-17
本发明提供一种基于非对称U型网络的乳腺癌病灶分割系统，包括：待处理图像获取模块，用于获取待处理图像；处理模块，用于将待处理图像输入非对称U型网络中，获取分割结果；非对称U型网络包括多分支残差编码器、外部注意力模块和边界检测模块。在本发明的乳腺癌病灶分割系统中，采用非对称U型网络设计，旨在提高乳腺超声图像中病灶区域分割的准确性和鲁棒性；并且引入了基于注意力机制的多分支残差编码器，以增强网络的表征能力；此外，还提出了深度监督边界检测模块，以提高病灶边界的分割精度，能够更为有效地处理乳腺超声图像，实现对乳腺癌病灶的精确分割，为医生提供更可靠的辅助信息，有助于提高乳腺癌的早期诊断和治疗效果。
📄 2023116819619
📂 G06V10_26
👤 盐城工学院, 盐城工学院技术转移中心有限公司
📅 2023-12-08
本发明提出一种基于双分支解码器的医学图像分割方法及系统，其中方法包括：步骤1：基于CNN‑Transformer混合编码器提取医疗图像的图像特征；步骤2：构建像素解码器，基于像素解码器对医疗图像的特征图进行恢复分辨率；步骤3：构建含有LMaX Transformer的增强解码器，获取医疗图像的分割预测结果；步骤4：设计对比聚类分配损失，获取特征增强视图并增强特征增强视图和聚类结果之间的相似度；步骤5：设计多尺度分割损失，获取总分割损失，通过总分割损失反向传播优化混合编码器和增强解码器的参数，完成医疗图像的自动分割。本发明通过将聚类分配作用于增强特征，可以提升特征增强视图之间的一致性，同时提升解码器的解码能力，进一步提高了分割的精度和鲁棒性。
📄 2024103973872
📂 G06V10_26
👤 黑龙江大学
📅 2024-04-03
柿子坊 · 知识产权运营
柿子坊知识产权运营平台