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：江南大学
申请日：2024-02-28
公开（公告）日：2024-07-05
公开（公告）号：CN118297954A
主分类号：G06T7/10
分类号：G06T7/10;G06V10/774;G06T5/70;G06T5/40;G06V10/80;G16H30/00
优先权：["20231115 CN 2023115225825"]
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明属于医学图像分割技术领域，具体涉及一种基于特征增强与注意力融合的视网膜血管分割系统及方法，该系统包括：训练数据集获取模块，用于获取视网膜血管图像数据集，并对所述数据集进行预处理和数据扩充，得到扩充后的数据集，将所述扩充后的数据集划分为训练集和验证集；模型训练模块，用于将所述训练集输入到基于U‑Net网络改进的WFA‑Net模型进行迭代训练，得到权重参数；分割结果输出模块，用于将所述权重参数加载到所述WFA‑Net模型中，针对待分割的视网膜血管图像，运行所述WFA‑Net模型得到分割结果。本发明弥补了原始卷积关键信息提取的不足，解决了之前通过跨层方式将编码器中浅层的低级特征与解码器中的高级特征直接连接造成的信息丢失和模糊的问题。
主权项：1.一种基于特征增强与注意力融合的视网膜血管分割系统，其特征在于，包括：训练数据集获取模块，用于获取视网膜血管图像数据集，并对所述数据集进行预处理和数据扩充，得到扩充后的数据集，将所述扩充后的数据集划分为训练集和验证集；模型训练模块，用于将所述训练集输入到基于U-Net网络改进的WFA-Net模型进行迭代训练，得到权重参数；其中，所述WFA-Net模型包括编码器结构和解码器结构，所述编码器结构包括多个WF_Conv卷积块和PAM+模块，所述解码器结构包括若干个交错连接的AFFM模块和WF_Conv卷积块，所述编码器结构的底部通过PAM+模块与所述解码器结构连接，所述编码器结构中的每个WF_Conv卷积块对应连接至每个AFFM模块；分割结果输出模块，用于将所述权重参数加载到所述WFA-Net模型中，针对待分割的视网膜血管图像，运行所述WFA-Net模型得到分割结果。
全文数据：
权利要求：
百度查询： 江南大学 基于特征增强与注意力融合的视网膜血管分割系统及方法
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