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：电子科技大学
摘要：本发明属于医学图像处理技术领域，具体提供一种基于轻量级深度迁移学习的胎儿肺超声图像分割方法，旨在高效、准确地实现胎儿肺部超声图像的自动分割，以评估胎儿肺的成熟度。本发明在基于MobileNetV2的DeepLabV3+架构上引入改进的注意力机制，构建轻量级的胎儿肺超声图像分割模型，包括：轻量级反向残差卷积模块、注意力机制模块与语义图像分割卷积模块；在图像分割过程中提升重要特征的关注权重，同时忽略贡献较小的特征，从而有效提升模型在有限计算资源下的性能和实用性，利于临床实践；同时，在模型训练过程中引入迁移学习，提高模型训练效率，且进一步提升模型分割结果的准确度。
主权项：1.一种基于轻量级深度迁移学习的胎儿肺超声图像分割方法，其特征在于，包括以下步骤：步骤1.构建训练集，并对训练集中输入图像与标签图像进行数据预处理；步骤2.构建胎儿肺超声图像分割模型，基于迁移学习初始化模型参数，再利用训练集完成模型训练；所述胎儿肺超声图像分割模型包括：轻量级反向残差卷积模块、注意力机制模块与语义图像分割卷积模块；输入图像经过轻量级反向残差卷积模块后提取得到低层特征图P1与高层特征图P2，高层特征图P2经过注意力机制模块转换为高层特征图P3；语义图像分割卷积模块包括：编码器与解码器，低层特征图P1输入至解码器，高层特征图P3输入至编码器，编码器输出多尺度语义特征P4至解码器，由解码器输出图像分割结果P5；步骤3、将待分割胎儿肺超声图像进行数据预处理后输入至训练完成的胎儿肺超声图像分割模型中，由胎儿肺超声图像分割模型输出图像分割结果。
全文数据：
权利要求：
百度查询： 电子科技大学 一种基于轻量级深度迁移学习的胎儿肺超声图像分割方法
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