公开(公告)号：CN116883341A

公开(公告)日：2023-10-13

申请号：CN202310802870.X

申请日：2023-07-03

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  贾茂宁 ,  李为坤 ,  杨晨 ,  赵琳琳 ,  于越康 ,  谢春燕 ,  谢泽宇

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/42 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/82

Abstract: 本发明涉及数字医疗技术领域，具体涉及一种基于深度学习的肝脏肿瘤CT图像自动分割方法，包括如下步骤：提取待分割CT图像；利用多尺度特征识别网络，提取所述待分割CT图像的多尺度特征；利用注意力机制网络，通过所述多尺度特征识别所述待分割CT图像中的病变区域；根据识别结果，在所述待分割CT图像中分割出肝脏肿瘤图像。本发明首先基于深度学习技术，解决了传统方法存在的手动标注、分割精度和效率低下等问题，同时相较于现有技术，本发明具有更高的自动化程度、更精准的分割结果和更高的分割效率。

公开(公告)号：CN116486080A

公开(公告)日：2023-07-25

申请号：CN202310376737.2

申请日：2023-04-10

Applicant: 桂林电子科技大学

Inventor： 林镇源 ,  张文辉 ,  蒋小莲 ,  贾茂宁 ,  谢胜勇 ,  李为坤

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开一种基于深度学习的轻量化图像语义分割方法，先构建轻量化图像语义分割模型Mobile‑SegFormer；再利用已分割好的样本图像集对构建的轻量化图像语义分割模型进行训练，得到训练好的轻量化图像语义分割模型；后将待分割的图像送入到训练好的轻量化图像语义分割模型中，训练好的轻量化图像语义分割模型输出分割好的图片。本发明将SegFormer和MobileNetv3模型都进行了改进，无需通过Imagenet数据集的预训练，即可实现较高的分割精度，具有较友好的可移植性。通过实验进行对比，我们提出的Mobile‑SegFormer网络，相对于常见的轻量化网络，有着更准确的分割效果，相对于大型的分割网络，有着更轻量化的参数量和更低的每秒浮点运算值，能够较好的均衡Params、FLOPS和MIoU指标。