← 返回列表
一种基于AGCH-Net和多尺度融合的肝脏肿瘤CT图像分割方法
摘要文本
本发明公开了一种基于AGCH‑Net和多尺度融合的肝脏肿瘤CT图像分割方法，用于医疗复杂图像分割，包括：获取公开的肝脏肿瘤分割基准数据集，获取训练样本集；搭建神经网络结构，并进一步构建神经网络模型，以适用于肝脏肿瘤CT图像分割；其中，神经网络结构以语义分割网络U‑Net网络为网络框架，利用融合倒置残差卷积替换U‑Net网络中原始卷积，并在U‑Net网络插入改进型AGCH注意力机制以及在U‑Net网络的瓶颈处采用SE_ASPP模块；获取待分割图像进行初步处理并输入神经网络模型中进行图像分割、特征提取、图像优化操作，输出肝脏区域分割结果。本发明采用U‑NET网络为图像处理网络基础框架，并对其进行改进，添加优化分割精度，优化学习能力的网络模块，提高分割性能。
申请人信息
- 申请人:无锡学院
- 申请人地址:214105 江苏省无锡市锡山区锡山大道333号
- 发明人: 无锡学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于AGCH-Net和多尺度融合的肝脏肿瘤CT图像分割方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311823399.9 |
| 申请日 | 2023/12/28 |
| 公告号 | CN117495882A |
| 公开日 | 2024/2/2 |
| IPC主分类号 | G06T7/11 |
| 权利人 | 无锡学院 |
| 发明人 | 张丽娟; 刘英雪; 李芝贻; 张凇韬; 李军; 李东明 |
| 地址 | 江苏省无锡市锡山大道333号 |
专利主权项内容
1.一种基于AGCH-Net和多尺度融合的肝脏肿瘤CT图像分割方法，其特征在于，包括：获取公开的肝脏肿瘤分割基准数据集，并进一步获取用于训练的训练样本集；搭建神经网络结构，并进一步构建神经网络模型，以适用于肝脏肿瘤CT图像分割；其中，所述神经网络结构以语义分割网络U-Net网络为网络框架，利用融合倒置残差卷积替换所述U-Net网络中原始卷积，并在所述U-Net网络插入改进型AGCH注意力机制以及在所述U-Net网络的瓶颈处采用SE_ASPP模块；其中，利用融合倒置残差卷积替换所述U-Net网络中原始卷积包括：使用融合倒置残差卷积将原始所述U-Net网络中的卷积操作融合为一个卷积操作；在下采样阶段中的融合倒置残差卷积块和上采样中与所述融合倒置残差卷积相连接的特征图基于所述改进型AGCH注意力机制进行跳跃连接；获取待分割图像进行初步处理并输入所述神经网络模型中进行图像分割、特征提取、图像优化操作，输出肝脏区域分割结果。