龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：哈尔滨理工大学
摘要：医学图像分割是各种疾病诊断和制定治疗计划的关键步骤之一。它有助于检测和定位图像中的病灶区域，可以快速识别肿瘤、癌变等病变区域的潜在存在，帮助医生快速准确地诊断。心脏、胰腺等作为公认的挑战性区域，由于其形态、位置以及周围组织的相似性，一直以来是医学图像分割的难点。本发明公开了一种基于CNN‑Transformer混合的模型。该模型特有的自适应级联解码器能根据不同的目标动态地调整模型的参数；MSC模块可以抑制背景区域突出目标器官；ADA模块克服了医学图像中对比度低和边缘模糊的问题；多阶段特征融合解决了最终预测图语义信息单一的问题。使用DICE指标测试模型的准确性，评估结果表明，本发明提出的模型在ACDC和Synapse多器官数据集上表现出优异的性能。
主权项：1.基于CNN-Transformer的T-ACD模型，其特征包括以下步骤：步骤1：数据预处理阶段：对输入的医学图像进行预处理，我们采用随机反转和旋转来进行数据增强；步骤2：编码器阶段：将图像输入到CNN-Transformer混合编码器中，通过卷积神经网络和VisionTransformer进行特征提取，既提高了像素之间的依赖关系，又增强了局部和全局之间的联系；步骤3：解码器阶段：提取的特征通过MSC模块，在更深层次提取特征的同时，降低了特征图的厚度。再利用ADA模块的动态卷积自适应调整参数，克服边缘模糊的问题，并与MSC模块处理后的特征融合；步骤4：基于自适应注意力的T-ACD的构建。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 用于医学图像中分割挑战性区域的自适应级联解码器
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