公开(公告)号：CN117351487A

公开(公告)日：2024-01-05

申请号：CN202311370610.6

申请日：2023-10-23

Applicant: 安徽大学

Inventor： 杜秀全 ,  张学俊 ,  陈家佳

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及医学图像分割技术领域，更具体的，涉及一种邻近区域与边缘信息融合的医学图像分割方法、系统。本发明获取待处理的结肠镜图像，并使用训练好的医学图像分割模型对待处理的结肠镜图像进行分割处理，得到息肉分割图像。本发明利用特征加权构建出更为准确的全局特征图，适应不同尺度大小的息肉，使得模型能够进行准确分割。本发明采用邻近注意力模块，着重于邻近区域，兼顾了正向关注和反向关注，减少信息冗余和噪声，提高息肉的召回率、防止遗漏；本发明还依据第1层压缩特征图提取边缘信息，可在第1层解码网络进行边缘的细化修正，提高息肉分割边缘的准确性。本发明解决了现有方法对于息肉邻近区域和边缘信息没有给予足够重视的问题。

公开(公告)号：CN117333472A

公开(公告)日：2024-01-02

申请号：CN202311374687.0

申请日：2023-10-23

Applicant: 安徽大学

Inventor： 杜秀全 ,  陈家佳

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/094

Abstract: 本发明属于医疗影像领域，具体涉及一种基于多任务协作的弱监督肠息肉检测方法、系统和装置。该方法步骤如下：S1：裁剪结肠镜图像得到息肉图像，并增加类别标签。S2：通过图像翻转扩充数据集。S3：搭建包含候选框生成模块、特征分割模块、特征分类模块、目标检测模块和协作互补模块的网络模型。S4：设置优化函数，对网络模型的不同部分进行分阶段训练。S5：保留网络模型中特征分割模块的特征编码部分、候选框生成模块和目标检测模块。S6：利用保存的网络模型对患者的医学图像进行检测。本发明结合弱监督思想和多任务协作框架设计新的结肠息肉检测模型，解决了传统检测方案依赖人工标注信息，模型训练耗时、费力，检测精度较差的缺点。