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：北京理工大学唐山研究院;北京理工大学

摘要：本发明涉及分割算法技术领域，特别是涉及一种基于TransUNet的肺结节分割算法，步骤包括，将TransUNet网络中的Transformer层替换为MaxViT网络，形成MM‑TransUNet网络作为分割模型，采用MM‑TransUNet网络进行分割模型训练；每一轮次的训练完成之后，保存本轮次分割模型参数，对比分割模型得到的检测结果和实际结果计算损失，根据损失对分割模型进行参数调整；读取训练阶段中保存的最优参数，将最优参数代入分割模型得到最优肺结节分隔模型；应用MM‑TransUNet网络作为分割模型能够有效提高肺结节的分割精度；MM‑TransUNet将残差机制、CNN与多轴向自注意力机制进行结合，作为编码器模块，起到了更完整地提取肺结节特征的作用。

主权项：1.一种基于TransUNet的肺结节分割算法，步骤包括：S1：获取肺部CT图像数据集，并对肺部CT图像数据集进行分割肺实质、提取感兴趣区域和数据增强操作；S2：将数据增强操作后的肺部CT图像数据集划分为训练集和测试集；S3：基于TransUNet网络结构构建分割模型，利用训练集对分割模型进行训练；每一轮次的训练完成之后，保存本轮次分割模型参数，对比分割模型得到的检测结果和实际结果计算损失，根据损失对分割模型进行参数调整；S4：读取训练阶段中保存的最优参数，将最优参数代入分割模型得到最优肺结节分隔模型；S5，利用测试集对最优肺结节分隔模型进行测试，采用评价指标对最优肺结节分隔模型的模型精度进行评估；其特征在于，步骤S3中，将TransUNet网络中的Transformer层替换为MaxViT网络，形成MM-TransUNet网络作为分割模型，采用MM-TransUNet网络进行分割模型训练具体过程为；S301：将训练集中的图像输入编码器中，先使用残差机制配合卷积神经网络对输入图像逐层进行浅层特征提取，提取出浅层特征图；S302：浅层特征图经过MaxViT模块处理，充分感知深层的上下文信息，进一步深层特征学习，提取图像深层特征图；S303：将浅层特征图和深层特征图输入解码器，将浅层特征图和深层特征图进行连接和上采样，逐层进行特征融合，最后输出肺结节分割图像；S304：通过损失函数计算步骤S303输出的肺结节分割图像与实际肺结节分割图像之间的损失，调整MM-TransUNet网络中的参数，更新MM-TransUNet网络模型，返回步骤S301进行新一轮的训练，至训练集中所有图片训练完成。

全文数据：

权利要求：

百度查询： 北京理工大学唐山研究院 北京理工大学 基于TransUNet的肺结节分割算法