公开(公告)号：CN119832246A

公开(公告)日：2025-04-15

申请号：CN202510013217.4

申请日：2025-01-06

Applicant: 中北大学

Inventor： 李华玲 ,  王彦瑾 ,  章永来 ,  强彦 ,  郭卉敏 ,  孙继杰 ,  霍佳鑫 ,  吴剑琦

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种边缘增强的左心耳医学图像分割方法和系统及存储介质，构建基于注意力机制和加权损失函数的U型编码结构的卷积神经网络模型，记作EMCL_UNet++；基于边缘增强的医学影像分割模型(EMCL_UNet++)采用改进UNet++作为主干网络，包括一个卷积编码器模块、一个解码器部分以及多尺度注意力模块EMSA和高效注意力机制模块Cloattention；将待分割的医学图像传入训练后的所述卷积神经网络模型，得到分割结果。本发明利用通道和空间注意力机制，减少冗余信息干扰，提高边界信息的准确性。对于伴有并发症影响的情况(如患者心包积液或胸腔积液)，本发明的多尺度特征融合和轻量级模块增强了对复杂背景和噪声的鲁棒性，确保高质量的分割结果。

公开(公告)号：CN119832245A

公开(公告)日：2025-04-15

申请号：CN202510013049.9

申请日：2025-01-06

Applicant: 中北大学

Inventor： 强彦 ,  郭瑛璇 ,  李青 ,  李华玲 ,  章永来 ,  霍佳鑫 ,  孙继杰

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明公开了一种全局局部特征增强的乳腺癌医学超声图像分割方法和系统。采用U‑Net作为主干网络，包括输入端、编码器、解码器和分割头；在编码器部分，包含一个Conv stem块、四个全局‑局部特征提取模块和三个下采样模块；每个Conv stem块由一个3×3卷积层、一个BatchNorm层和一个GELU激活函数层组成；全局‑局部特征提取模块由一个LayerNorm层、一个GLEB层、一个LFEB层、一个Dropout层和一个残差连接层组成；本发明的算法在解码器部分引入一个全局‑局部特征提取模块。对于全局特征提取块，能够加强全局的信息提取。局部特征提取块，优化边界细节，等到更好的边界信息。

公开(公告)号：CN119904633A

公开(公告)日：2025-04-29

申请号：CN202411960467.0

申请日：2024-12-30

Applicant: 中北大学

Inventor： 强彦 ,  孙继杰 ,  李青 ,  李华玲 ,  章永来 ,  王彦瑾 ,  霍佳鑫 ,  郭瑛璇

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种模糊边缘增强的皮肤病变图像分割方法和系统，所述的方法包括步骤S110‑S140：S110：收集临床皮肤病变图像数据；S120：构建残差像素差分卷积的模糊边缘分割网络ResPDCNet；S130：对构建的ResPDCNet进行训练；S140：根据网络训练结果，给出皮肤病变区域分割结果。本发明提出一种基于残差像素差分卷积的模糊边缘增强皮肤病变图像分割方法。这种方法通过残差像素卷积块提取目标病变区域的细节边缘细节，解决临床医学图像中存在的前景区域与背景区域的像素差异小的问题，其次通过残差注意力块进行空间和通道的特征提取感知病变部位大小和位置，解决病变部位大小不一、病变位置难以定位问题。