公开(公告)号：CN118037743A

公开(公告)日：2024-05-14

申请号：CN202211402527.8

申请日：2022-11-10

Applicant: 北京工业大学

Inventor： 杨新武 ,  李玄博

IPC: G06T7/10 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种结合层间信息和双注意力的ABVS图像序列肿块分割方法。包括ABVS图像数据预处理、构建深度神经网络模型、定义损失函数、模型训练及结果生成。在数据预处理中，将ABVS序列中包含肿块的当前帧图像与前后两帧图像组成三通道的单张2D图像，然后将图片进行裁剪，最终将图像大小都调整到224×224。在构建深度神经网络模型步骤中，基于U‑Net的设计架构，将其编码层全部换成sk‑block，在跳跃链接部分加上本发明改进的通道注意力模块。逐步变为本发明的网络结构。本发明提供了一种新的思路用于ABVS图像序列肿块智能分割，是在2D分割领域首次结合层间信息的发明。

公开(公告)号：CN116993649A

公开(公告)日：2023-11-03

申请号：CN202210432980.7

申请日：2022-04-21

Applicant: 北京工业大学

Inventor： 杨新武 ,  李玄博

IPC: G06T7/00 ,  G06T7/194 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于cGAN的乳腺超声图像肿瘤分割方法，包括乳腺超声图像数据预处理、超声图像的生成、构建深度神经网络模型、定义损失函数、模型训练及结果生成。在数据预处理中，使用先镜像填充，后裁剪的方式既不会改变乳腺肿瘤的形态，又可以得到符合尺寸要求的乳腺超声图像。然后在此基础上继续通过cGAN网络生成超声图像。在构建深度神经网络模型步骤中，整体上遵循了GAN网络的设计模式。GANs整个框架可以被看做是两个玩家参与的最小最大博弈游戏，其中一个玩家(生成器，Generator)的任务是将随机输入映射成符合某个特定分布的数据，使第二个玩家(判别器，Discriminator)没有办法区分该数据是真数据还是生成的假数据；本发明除了扩充了数据集，还使用对抗训练代替了CRF这种后处理步骤来增强高阶空间一致性。