公开(公告)号：CN116030243A

公开(公告)日：2023-04-28

申请号：CN202211655098.5

申请日：2022-12-21

Applicant: 南京鼓楼医院 ,  南京大学

Inventor： 邹晓平 ,  吕瑛 ,  彭春艳 ,  李武军 ,  王雷 ,  许丽军 ,  唐德华

IPC: G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供一种基于轴向自注意力的胰腺超声内镜站点识别方法和系统，其中方法包括获取扫查的标准站点组成的引导线以及标准站点的胰腺超声内镜图像；将胰腺超声内镜图像进行分类；构建基于空洞轴向自注意力的第一标准站点识别网络；将训练样本图像和测试样本图像依次输入至第一标准站点识别网络中，得到图像训练分类结果；根据训练分类结果和真实站点标签计算目标损失函数，并更新第一标准站点识别网络的参数，得到第二标准站点识别网络；采用第二标准站点识别网络按照引导线扫查标准站点并提示扫查盲区。本发明通过构建高效和准确的站点识别模型，能在胰腺超声内镜扫查过程中自动识别检查盲区，避免胰腺超声内镜检查的漏查漏诊。

公开(公告)号：CN114882219A

公开(公告)日：2022-08-09

申请号：CN202210501553.X

申请日：2022-05-09

Applicant: 南京大学

Inventor： 李武军 ,  许丽军

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于上下文信息融合的三维医疗图像分割方法，本发明中三维医疗图像网络主要采用基于子块的方式进行训练阶段和预测阶段，通过三维医疗图像网络并行的空洞卷积分支和自注意力分支提取包含上下文信息的特征，融合后生成预测分割结果。再将得到的预测分割结果利用高斯加权融合相邻预测子块的分割结果，缓解了子块边界预测不准的问题，进一步提高了分割精度。此外，三维医疗图像网络训练时通过样本均衡采样策略采样训练子块，避免了数据中可能存在的类别不平衡问题，提升了前景类别的分割精度。本发明方法可以有效提高三维图像分割算法的准确率，可适用于各种器官的三维医疗图像分割任务，具有很好的普适性和通用性。