买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：徐州医科大学

摘要：本发明提出一种大感受野注意力增强的乳腺超声图像分割方法涉及医学图像分割领域，包括如下步骤：步骤1：首先搜集大量的乳腺超声图像作为训练样本；步骤2：对搜集到的乳腺超声图像进行预处理；步骤3：将预处理的图像送入LRFE‑UNet网络模型中进行训练并优化模型；步骤4：将新的乳腺超声图像输入到优化模型中，自动输出病灶的精确分割结果。通过引入大感受野特征编码器LRFE，获得与病灶高度相关的上下文信息。通过设计空间增强的通道注意力模块SCAM，融合空间信息和通道信息，优化特征传输过程并增强局部显著性图。通过全局感知模块GAM，建立全局特征之间依赖关系，改进向上传递的信息，挖掘底层的边界感知特征。

主权项：1.一种大感受野注意力增强的乳腺超声图像分割方法，其特征在于，包括如下步骤：步骤1：首先搜集乳腺超声图像作为训练样本；步骤2：对搜集到的乳腺超声图像进行预处理；步骤3：将预处理的图像送入LRFE-UNet网络模型中进行训练并优化模型；步骤4：将新的乳腺超声图像输入到优化模型中，自动输出病灶的精确分割结果；LRFE-UNet网络模型包括一个大感受野特征编码器LRFE，LRFE基于ImageNet上预训练的ConvNeXt模型，将ConvNext最后的分类器classifier层删除，只保留网络前半部分和训练权重，LRFE包括初始化的Stem模块和四个编码模块，Stem模块作为网络的入口，对输入图像进行初步的特征提取和降维，四个编码模块分别堆叠了不同数量的Conv-Block；Stem模块作为网络的入口，由一个4×4的卷积层和一个层归一化层LN组成，卷积层的步长为4，四个编码模块堆叠Conv-Block数量分别是：3、3、27和3个，Conv-Block将传统的3×3卷积层替换为7×7的深度可分离卷积层；将LRFE输出的特征图，分别送入两个自适应平均池化层，这两个池化层的编码内核分别是H，1和1，W，分别捕获图像中的空间垂直特征和空间水平特征；然后，将空间水平特征进行转置并与空间垂直特征进行拼接，整合成一个综合的空间组合特征；将空间组合特征送入基础卷积模块的神经网络结构中，以进一步编码和提炼空间信息，从而生成空间信息权重；对空间信息权重进行归一化处理，确保了每个通道的权重都在0到1之间，用于表示通道特征在空间信息中的重要程度。

全文数据：

权利要求：

百度查询： 徐州医科大学 一种大感受野注意力增强的乳腺超声图像分割方法