公开(公告)号：CN118071774B

公开(公告)日：2024-09-03

申请号：CN202410463105.4

申请日：2024-04-17

Applicant: 中南大学

Inventor： 黄金亮 ,  陈金波 ,  祖雄兵 ,  吴炳权 ,  易政霖

IPC: G06T7/11 ,  G06N3/0464 ,  G06T7/00 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于多重注意力的医学图像分割方法，本方法通过将待分割的医学图像输入至包含多个显示衰减注意力模块的编码器，得到每个显示衰减注意力模块输出的编码特征；将每个显示衰减注意力模块输出的编码特征输入至跨切片注意力模块，得到与显示衰减注意力模块对应的跨切片特征；将编码器中最底层的显示衰减注意力模块输出的编码特征输入至全局和局部交互模块，得到全局局部特征；基于全局局部特征和跨切片特征获得解码器中最顶层解码器模块输出的解码特征；将最顶层解码器模块输出的解码特征进行上采样得到最终特征，并将最终特征输入至分割头，获得最终的医学图像分割结果。本发明能够提高医学图像分割的精确度。

公开(公告)号：CN118134952B

公开(公告)日：2024-08-02

申请号：CN202410554782.7

申请日：2024-05-07

Applicant: 中南大学

Inventor： 易政霖 ,  刘智 ,  祖雄兵 ,  丁雨寒 ,  胡姣 ,  李辉煌

IPC: G06T7/11 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70

Abstract: 本发明公开了一种基于特征交互的医学图像分割方法，本发明通过使用基于CNN和Transformer的双分支编码器进行特征提取与特征交互，最大限度地保留医学图像中的局部细节和全局语义信息，并利用先验知识在边界引导解码器中逐阶段指导学习过程。引入了注意力特征融合模块，该模块通过使用通道注意力引导局部‑全局特征进行有效的交互融合，并抑制了不相关背景噪声的干扰。同时通过多尺度特征聚合模块和多层级特征桥接模块的配合使用，利用多分支条状卷积和多层级特征交互来实现对医学图像中的多尺度特征充分挖掘。最后通过使用加权损失函数对各层级的分割结果进行深度监督训练，从而实现了在医学图像上对于病灶的精确分割。

公开(公告)号：CN118071774A

公开(公告)日：2024-05-24

申请号：CN202410463105.4

申请日：2024-04-17

Applicant: 中南大学

Inventor： 黄金亮 ,  陈金波 ,  祖雄兵 ,  吴炳权 ,  易政霖

IPC: G06T7/11 ,  G06N3/0464 ,  G06T7/00 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于多重注意力的医学图像分割方法，本方法通过将待分割的医学图像输入至包含多个显示衰减注意力模块的编码器，得到每个显示衰减注意力模块输出的编码特征；将每个显示衰减注意力模块输出的编码特征输入至跨切片注意力模块，得到与显示衰减注意力模块对应的跨切片特征；将编码器中最底层的显示衰减注意力模块输出的编码特征输入至全局和局部交互模块，得到全局局部特征；基于全局局部特征和跨切片特征获得解码器中最顶层解码器模块输出的解码特征；将最顶层解码器模块输出的解码特征进行上采样得到最终特征，并将最终特征输入至分割头，获得最终的医学图像分割结果。本发明能够提高医学图像分割的精确度。

公开(公告)号：CN118134952A

公开(公告)日：2024-06-04

申请号：CN202410554782.7

申请日：2024-05-07

Applicant: 中南大学

Inventor： 易政霖 ,  刘智 ,  祖雄兵 ,  丁雨寒 ,  胡姣 ,  李辉煌

IPC: G06T7/11 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70

Abstract: 本发明公开了一种基于特征交互的医学图像分割方法，本发明通过使用基于CNN和Transformer的双分支编码器进行特征提取与特征交互，最大限度地保留医学图像中的局部细节和全局语义信息，并利用先验知识在边界引导解码器中逐阶段指导学习过程。引入了注意力特征融合模块，该模块通过使用通道注意力引导局部‑全局特征进行有效的交互融合，并抑制了不相关背景噪声的干扰。同时通过多尺度特征聚合模块和多层级特征桥接模块的配合使用，利用多分支条状卷积和多层级特征交互来实现对医学图像中的多尺度特征充分挖掘。最后通过使用加权损失函数对各层级的分割结果进行深度监督训练，从而实现了在医学图像上对于病灶的精确分割。

公开(公告)号：CN117893545A

公开(公告)日：2024-04-16

申请号：CN202311708546.8

申请日：2023-12-12

Applicant: 中南大学

Inventor： 丁雨寒 ,  刘智 ,  王永洁 ,  易政霖 ,  黄金亮

IPC: G06T7/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种皮肤病变图像分割方法、系统、设备及存储介质，皮肤病变图像分割方法包括将训练皮肤病变图像集输入CNN网络模型，得到第一特征图；将训练皮肤病变图像集输入Transformer网络模型，得到第二特征图；将第一特征图和第二特征图进行多模态融合，将多模态融合特征图的最深层融合特征输入瓶颈层得到第三特征图；根据第三特征图和多模态融合特征图进行跳跃连接，得到第四特征图；根据第三特征图和第四特征图进行解码，得到训练皮肤病变图像集的图像预测分割结果，减少了无关信息的干扰，获得了更精确高效的皮肤病变分割结果。