本发明涉及区域分割技术领域，具体涉及一种用于外科手术的CT影像分割方法。该方法根据第二分割图像中所有分割区域的边缘不平滑情况，设定待分析肺部图像的各个种子点；在待分析肺部图像中，按照预设生长准则进行区域生长，获取每次区域生长后的各个生长区域；根据生长区域的边缘不平滑情况，获取生长区域的不平滑特征值；根据生长区域的边缘像素点的局部灰度分布不均匀情况，获取生长区域的不均匀特征值；直至所有生长区域的不平滑特征值以及不均匀特征值满足预设迭代终止条件，则所有生长区域不再进行下一次区域生长，获取目标病理分割图像。本发明通过充分考虑了病变区域的边缘特征和灰度分布特征，提高了分割出病变区域的准确性。
📄 2024111246117
📂 G06T7_11
👤 大连百首企家科技有限公司
📅 2024-08-16
一种基于多尺度特征融合和两阶段联合学习的医学小目标分割方法，结合两个阶段的不同目的和各自优势，对粗细两个分割网络分别采用不同的多尺度融合策略，并引入空间转换模块将损失梯度从细分割网络有效地传递到粗分割网络，最后采用两阶段联合优化的形式，进行粗细两个分割网络的参数调整。以及提供一种基于多尺度特征融合和两阶段联合学习的医学小目标分割系统。本发明较好地解决了医学图像中小目标所面临的像素信息稀少和特征不明显等问题，获得了优秀的医学小目标分割性能。
📄 2024100103764
📂 G06V10_26
👤 浙江工业大学
📅 2024-01-03
一种融合先验边界的脑肿瘤分割方法，针对现有卷积网络无法充分利用全局图像信息导致生成脑肿瘤分割边界粗糙和重建肿瘤容易假性问题等不足，从肿瘤先验知识中得到肿瘤真值的最优边界，构建最优边界生成网络，在多下采样通道的3D U‑net网络上加入最优边界为网络每层进行权重分配和边界增强，并将生成肿瘤边缘与肿瘤真值边缘的相似度作为损失项加到原来的损失函数中提高边缘分割的准确度。本发明通过多下采样通道利用不同模态核磁影像的肿瘤信息，将先验知识融合到网络和损失函数中，提高了肿瘤信息利用的全面性和肿瘤边缘分割的准确性。
📄 2021103149713
📂 G06T7_00
👤 浙江工业大学
📅 2021-03-24
本发明公开了一种基于注意力机制的多模态特征融合的MRI脑瘤图像分割方法，涉及深度学习领域，本发明首先对数据集进行数据预处理和数据增广，然后构建网络模型，网络模型包括主干网络、混合上下文感知模块和全局注意力融合模块，图像进入网络模型，先经过主干网络进行编码，然后通过混合上下文感知模块感知全局和局部信息，最后通过注意力融合模块对多模态特征进行融合并输出图像。经过训练好的网络模型后，把待分割的二维磁共振脑瘤图像输入到训练好的模型，输出图像的分割结果。本专利能够训练有效的自动分割MRI脑瘤图像的网络模型，融合多模态特征，提高了分割精度，具有较高的应用价值和临床治疗的应用前景。
📄 2022103934648
📂 G06T7_00
👤 浙江工业大学
📅 2022-04-14
本发明公开了一种基于条件扩散模型的医学图像分割方法，采用构建的分割网络模型对医学图像进行分割，获取医学图像后，先进行预处理后输入到Transformer编码器，获得第一特征；然后将第一特征输入到条件网络解码器，得到第二特征；再获取加噪掩码图像，将加噪掩码图像与第二特征进行特征拼接，输入到扩散模型编码器，得到第三特征；再然后将第三特征与第一特征输入到扩散模型中间层，得到第四特征；最后将第四特征输入到扩散模型解码器，得到最终的分割结果。本发明充分结合图像和掩码信息进行学习，增加医学图像中的上下文信息，更好的定位医学图像中需要分割的区域，从而提高深度神经网络的性能，提高分割模型的精确度。
📄 2023106188189
📂 G06T7_11
👤 浙江工业大学
📅 2023-05-29
一种结合全局和邻域信息的血管分割方法，在Unet网络的基础上提出了Gnet分割网络，该网络使用全新的下采样方式以及在跳跃连接处结合长短时记忆网络，优化了对特征信息的提取，减少了图像信息的损失。其次本发明将上步提出的网络作为基础的分割框架，提出了一种并行的计算邻域信息的网络Rnet，并将该网络的损失函数作为基础分割网络的惩罚项去训练分割网络Gnet。本发明显著提升了对MRA影像处理中对大脑血管分割的精确度，并能有效解决细小血管分割断裂的情况。
📄 2021102038342
📂 G06T7_00
👤 浙江工业大学
📅 2021-02-24
一种基于动态阈值的淋巴癌图像精细分割方法，首先使用双预测精度的方法来保证ROI选取的准确性，以及确保选择区域包含整个淋巴癌；其次，对于在优化过程中新出现的单个淋巴癌病灶，视为一个新的ROI区域，并以独立的阈值标准继续优化边缘，以此调整密集区域单个淋巴癌的边缘精细分割。本发明通过采用动态ROI阈值方法对密集区域单个病灶图像的初分割结果进行优化，利用双预测精度信息获取更为准确的淋巴癌图像。
📄 2020104250834
📂 G06T7_11
👤 浙江工业大学
📅 2020-05-19
本申请公开了一种基于水平集的肺野图像分割方法和装置，该方法通过读取待分割的肺野图像，使用Log算子能量项对待分割的肺野图像进行平滑和边缘增强，获得平滑后图像；计算所述肺野图像的局部熵获得局部熵信息；在平滑后图像的肺部区域附近设置任意初始轮廓曲线并进行水平集演化获得肺部目标轮廓；水平集演化过程时，以CV模型作为全局能量项，以RSF模型中引入所述局部熵信息形成局部熵拟合能量项。通过上述方法提高了肺野分割的准确度和效率。
📄 2021114355396
📂 G06T7_149
👤 安徽工业大学
📅 2021-11-29
本发明属于医学图像处理与计算机视觉技术领域，涉及一种基于深度轮廓感知的牙齿分割方法、装置及计算机设备。所述分割方法包括对数据集中的图片进行预处理操作，将其中的原始掩膜提取出轮廓掩膜，并进行数据膨胀处理从而加粗轮廓；将轮廓掩膜作为监督信息，使原始图像经过全卷积网络，得到轮廓预测概率图；构造U形深度轮廓感知网络；将原始掩膜作为监督信息，使原始图像和轮廓预测概率图融合后经U形深度轮廓感知网络，得到分割网络；将测试集的原始图像送入训练好的U形网络中，得到牙齿分割结果，并用圆盘过滤器使分割结果更加清晰。本发明增加了轮廓信息，使得在牙齿和牙齿周围组织界限不清晰的情况下，提高分割的准确率和分割的视觉效果。
📄 201910733040X
📂 G06T7_50
👤 重庆邮电大学
📅 2019-08-09
本发明提供一种基于T型注意力结构的医学图像分割方法。本发明提出了一种用于医学图像分割的改进的U‑Net模型，在U‑Net网络的解码网络结构中引入带有T注意力模块的门控注意力机制，在编码网络结构和解码网络结构中加入ResNet残差模块；通过带有T注意力模块的门控注意力机制，可以将浅层的输入图像的全局特征信息提取出来，解决了之前因为直接进行跳跃结构引起的图像特征不充分问题。并且T注意力模块之间共享模型参数，降低时间和空间复杂度。对于每一个卷积层，加入了残差模块，解决了训练过程中梯度消失和爆炸问题，网络训练时更容易优化。
📄 2020103550117
📂 G06T7_10
👤 杭州电子科技大学
📅 2020-04-29
本发明涉及一种基于卷积神经网络的肝脏肿瘤分割方法及系统。该方法包括：构建U型结构编码器/解码器网络；所述U型结构编码器/解码器网络包括收缩路径和扩展路径；在所述U型结构编码器/解码器网络的下采样和上采样的卷积层中均添加残差块，形成跳跃连接结构；将权重注意力机制模块添加至所述U型结构编码器/解码器网络的下采样中，与所述跳跃连接结构结合，形成卷积神经网络模型；采用数据训练集对所述卷积神经网络模型进行训练，得到训练好的卷积神经网络模型；将待分割的肝脏图像输入所述训练好的卷积神经网络模型，得到肝脏分割结果图和肿瘤分割结果图。本发明可以提高肿瘤分割的准确度。
📄 202010492167X
📂 G06T7_00
👤 西安理工大学
📅 2020-06-03
本公开公开的基于双输入全卷积网络的胰腺图像分割方法及系统，包括：采集腹部图像；对腹部图像进行预处理；基于对比度的图的视觉显着性算法从腹部图像中提取胰腺初始图像；将胰腺初始图像和预处理后的腹部图像输入双输入全卷积网络模型中，获取胰腺图像。
📄 2020112412953
📂 G06T7_00
👤 山东师范大学
📅 2020-11-09
柿子坊 · 知识产权运营
柿子坊知识产权运营平台