专利交易市场

本发明涉及一种残差UNet直肠癌肿瘤磁共振图像自动分割方法，属于直肠癌的精确分割技术领域。本发明包括如下步骤：S1：提出直肠肿瘤MR图像的自动分割任务，包括如下小步：S11：建立AttSEResUNet网络结构；S12：引入通道注意力挤压‑激励模块；S13：引入空间注意力门控模块；S14：引入BCE_DICE损失函数；S15：预测结果的后结果处理；S2：建立直肠肿瘤数据集进行模型评估，包括如下小步：S21：归一化和自适应直方图均衡化的预处理；S22：评估指标的选用；S23：评估有效性的验证。本发明能有效分割直肠肿瘤区域，同时组合的损失函数也能在一定程度上提高分割精度，可用于直肠癌的精确分割场合。

本发明提供了一种倾斜图像的倾斜值获取方法及装置、终端、存储介质。其中，倾斜值获取方法包括：解析倾斜图像，提取多个元素区域，元素区域为包含元素的仿射不变区域；确定相邻的两个元素区域；获取所有的连接相邻的两个元素区域的直线的倾斜值；对所有的所述直线的倾斜值进行分析计算，获取倾斜图像的倾斜值。本发明可以同时适用于非矩形或矩形的倾斜图像。

本发明涉及图像处理技术领域，具体涉及一种化工物料筛选方法，包括：基于对应可能性获取任意两帧石英化工原料图像之间对应连通域；通过连通域的边缘线上像素点之间的灰度分布情况对纹理形态规则度进行修正，获取连通域的异物可能性；通过分析多帧石英化工原料图像中对应连通域的异物可能性的改变情况，获取目标石英化工原料图像中每个连通域的属于矿石异物置信度；通过属于矿石异物置信度对目标石英化工原料图像中所有连通域进行筛选，获得矿石异物区域；根据矿石异物区域的占比情况，确定是否对石英化工原料进行二次筛选。本发明提高了石英化工原料筛选的工作效率。

本发明公开了一种基于改进型3D‑UNet的MRI图像脑肿瘤分割方法，具体包括：1)对数据集中脑部MRI图像进行预处理获得训练集；2)结合空洞卷积、通道注意力机制、残差卷积的方法构建改进型3D‑UNet框架；3)利用训练集数据训练改进型3D‑UNet，脑肿瘤分割网络；4)将待分割的脑部MRI图像测试数据导入脑肿瘤分割网络，得到分割后的结果。本发明提供了一种自动、准确、可重复的肿瘤分割算法，能够有效解决传统手工分割方式耗时较长且过于依赖专家的主观经验的问题，并具有比基于UNet的脑部MRI图像分割方法更高的分割精度，同时本发明提出的方法可进一步应用于其他医学MRI图像分割任务中。

本发明涉及图像处理技术领域，具体涉及一种用于中药制剂分析的图像增强方法，该方法采集自动炒药锅中的药材图像得到对应的梯度图像，以将像素点划分为背景像素点、弱梯度像素点和强梯度像素点；基于弱梯度像素点和强梯度像素点获取连通域；利用连通域的模糊程度对传统SLIC超像素分割中每个像素点与种子点之间的距离进行校正得到校正距离，基于校正距离进行超像素分割，得到分割图像；利用分割图像训练语义分割网络，以根据训练好的语义分割网络得到药材炒制状态的监测信息。本发明利用优化分割效果后的分割图像对语义分割网络进行训练，提高了利用训练好的语义分割网络获取药材炒制状态的监测信息的准确性。