专利交易市场

本发明涉及一种基于任务驱动的层次注意力网络的MRI图像分类方法，首先，构建训练集、验证集和测试集；其次，利用训练集对构建信息子网络进行训练及通过验证集得到具有最优网络参数的信息子网络；接着利用训练集对构建的层次注意力子网络进行训练及通过验证集得到具有最优网络参数的层次注意力子网络；最后，在测试集中任意选择一张MRI图像，将该图像输入到上述信息子网络中得到信息图，之后将该信息图和待分类MRI图像输入到训练后的层次注意力子网络中得到该待分类MRI图像属于每一类别的概率，将概率最高的值对应的类别作为该待分类MRI图像的类别。该方法不仅可以定位与分类相关的区域，而且拥有优越的分类性能。

一种定制式3D打印模型的精度检测方法，方法步骤包括：获取CT/MRI影像；在CT/MRI影像上设置标记点，并获取每组标记点间的距离值；建立三维数字模型；在三维数字模型的标记点位置上设置特征标记(圆柱/孔)；将三维数字模型打印成实体模型；找到实体模型上的三组特征标记；对实体模型上三组特征标记间的距离进行测量，并与软件测量值对比，获得定制式3D打印人体组织模型与CT/MRI影像中人体组织的尺寸偏差。本发明在CT/MRI影像上设置标记点，并通过具体模型将特征标记具体化，再对CT/MRI影像的标记点和具体模型的特征标记间距离分别测量、对比，获得定制式3D打印人体组织模型与CT/MRI影像中实际人体组织的尺寸偏差，检测操作简单，测得结果准确度高，具有极大的参考价值。

本发明适用于图像工程领域，提供了一种图像分割方法及设备，将待分割图像分割为至少两个区域，以及将所述至少两个区域初步标记出前景和背景，其中，所述前景包括需要被分割出的区域，所述背景包括不需要被分割出的区域；根据随机游走Random Walk算法将初步标记出的所述前景和所述背景进一步进行分割，分割出最终的所述前景和所述背景，提高了图像分割的效率。