公开(公告)号：CN117437245A

公开(公告)日：2024-01-23

申请号：CN202311453353.2

申请日：2023-11-02

Applicant: 哈尔滨理工大学

Inventor： 李东洁 ,  孟祥宇 ,  梁雨 ,  任家鑫 ,  魏剑桥 ,  江北 ,  张东炜

IPC: G06T7/11 ,  G06T7/00 ,  G06T7/73 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了基于NMDAU‑Net的脑胶质瘤MRI图像的3D分割算法，包括：脑胶质瘤数据集的制作，对MRI图像进行分块处理，再对图像数据进行标准化，图像预处理之后将数据划分为训练集和测试集，并对数据进行增强；在3DU‑Net基础上提出了NMDAU‑Net，在卷积层上使用3D深度可分离卷积MobileNet V2 3D，并在其后引入密集注意力DAM块，使用MobileNet V2‑DAM模块所构成的编码器对特征进行提取，随后利用空洞空间金字塔池化模块所形成的特征增强模块，获得更多语义信息，接着使用加权双向特征金字塔模块进行多尺度的特征融合，最后利用解码器逐渐恢复初始的图像尺寸，输出脑胶质瘤的分割结构。本发明采用NMDAU‑Net算法，大幅度提高了脑胶质瘤的分割精度，为医生对患者病情的判断提供有力的支持。

公开(公告)号：CN119169293A

公开(公告)日：2024-12-20

申请号：CN202411321757.0

申请日：2024-09-20

Applicant: 哈尔滨理工大学

Inventor： 李东洁 ,  江北 ,  李林浩 ,  任家鑫 ,  梁雨 ,  张富越 ,  于智龙 ,  邓立为

IPC: G06V10/26 ,  G06V10/25 ,  G06N3/084 ,  G06V10/764 ,  G06V10/82 ,  G06V10/762

Abstract: 本发明公开了一种低资源场景下的医学影像分割方法，该方法包括：基于预设的训练数据集训练NanoDet模型，直至经所述NanoDet模型得到的病灶区域的标注框的标注精度大于第一精度值；对分割模型SAM的权重矩阵设置增加项矩阵，基于所述训练数据集，更新所述增加项矩阵，使所述分割模型SAM的分割精度大于第二精度值；基于所述NanoDet模型生成待分割图像的标注框，并基于所述标注框获取病灶区域的定位点；在所述标注框内基于所述定位点坐标，使用更新权重后的分割模型SAM进行病灶区域的影像分割，生成所述带分割图像对应的病灶掩膜。该方法具有更好的分割能力和精度。