申请/专利权人：江南大学;无锡市人民医院

申请日：2021-01-14

公开（公告）日：2024-07-05

公开（公告）号：CN112750137B

主分类号：G06T7/11

分类号：G06T7/11;G06N3/0464;G06N3/045;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2021.05.21#实质审查的生效;2021.05.04#公开

摘要：本发明涉及一种基于深度学习的肝脏肿瘤分割方法及系统,包括：对收集到的数据集进行预处理；根据预处理后的数据搭建网络模型，其中所述网络模型包括多个下卷积层和多个上卷积层，所述下卷积层通过跳跃连接至所述上卷积层，且在跳跃连接上将所述下卷积层得到的特征图通过注意力模块与所述上卷积相连；将预处理后的数据输入到所述网络模型中进行训练得到最佳的网络模型；利用所述最佳的网络模型对待处理的CT图像进行分割得到肝脏肿瘤区域。本发明有利于减少失误的分割，取得较高的精度。

主权项：1.一种基于深度学习的肝脏肿瘤分割方法，其特征在于，包括如下步骤：步骤S1：对收集到的数据集进行预处理；步骤S2：根据预处理后的数据搭建网络模型，其中所述网络模型包括多个下卷积层和多个上卷积层，所述下卷积层通过跳跃连接至所述上卷积层，且在跳跃连接上将所述下卷积层得到的特征图通过注意力模块与所述上卷积相连；所述注意力模块是通过可变形卷积来获取肝脏肿瘤的几何信息，同时对卷积过后得到的特征图进行处理，得到输出特征图；对卷积过后得到的特征图进行处理的方法为：在跳跃连接上通过卷积变成多个新的特征图，获取图像边界的高级信息，计算得到特征概率图，对所述特征概率图进行加权，将加权得到的结果与通过可变形卷积模块得到的特征图求和得到输出特征图；其中得到输出特征图的具体方法为：通过3*3的可变形卷积来获取肝脏肿瘤的几何信息，具体公式如下： 其中C属于输出特征图，p0表示特征向量中的任意位置，pn∈R表示卷积核中的任意位置，wpn表示卷积核在pn位置的权重值；同时把卷积过后得到的特征图在跳跃连接上通过1*1的卷积变成三个新的特征图A、G、T，它们的大小都为H*W，M＝H*W为特征图的总像素，然后把A、G进行点乘来获取图像边界的高级信息；再将结果通过softmax函数进行计算得到一个特征概率图： 其中p表示第i个像素点映射到第j个像素点的影响度，这两个像素的特征越像说明它们间关联越强；然后对得到的p进行加权，即把得到的p和T相乘，有利于突出图像中重要特征的分布；最后，将加权得到的结果与通过可变形卷积模块得到的特征图C相加得到最终的输出特征图；进行操作可以用如下公式表示： 其中α表示权重分配值，R表示通过可变形卷积获得的全局特征图和通过注意力模块的特征图相加得到的最后输出特征图；步骤S3：将预处理后的数据输入到所述网络模型中进行训练得到最佳的网络模型；步骤S4：利用所述最佳的网络模型对待处理的CT图像进行分割得到肝脏肿瘤区域。

全文数据：

权利要求：

百度查询： 江南大学 无锡市人民医院 基于深度学习的肝脏肿瘤分割方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD