公开(公告)号：CN118799335A

公开(公告)日：2024-10-18

申请号：CN202410787000.4

申请日：2024-06-18

Applicant: 安徽大学

Inventor： 胡古月 ,  康玉琨 ,  宋思远 ,  李成龙 ,  汤进

IPC: G06T7/10 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种医学图像分割方法及系统，方法包括：设计能够学习输入特征图的延展方向偏移量和垂直方向偏移量的动态条形卷积块；基于所设计的动态条形卷积块、可变形卷积块以及第一标准卷积块构建多头卷积块，采用局部‑宏观注意力机制自适应融合局部‑宏观特征以及来自多头卷积块的特征，获得具有各种形态结构的融合特征；利用多头卷积块以及局部‑宏观注意力机制构建U型分割网络，将医学图像输入所述U型分割网络，输出医学图像分割结果；本发明的优点在于：采样精度高、策略简单以及鲁棒性强。

公开(公告)号：CN118799335B

公开(公告)日：2025-04-15

申请号：CN202410787000.4

申请日：2024-06-18

Applicant: 安徽大学

Inventor： 胡古月 ,  康玉琨 ,  宋思远 ,  李成龙 ,  汤进

IPC: G06T7/10 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种医学图像分割方法及系统，方法包括：设计能够学习输入特征图的延展方向偏移量和垂直方向偏移量的动态条形卷积块；基于所设计的动态条形卷积块、可变形卷积块以及第一标准卷积块构建多头卷积块，采用局部‑宏观注意力机制自适应融合局部‑宏观特征以及来自多头卷积块的特征，获得具有各种形态结构的融合特征；利用多头卷积块以及局部‑宏观注意力机制构建U型分割网络，将医学图像输入所述U型分割网络，输出医学图像分割结果；本发明的优点在于：采样精度高、策略简单以及鲁棒性强。

公开(公告)号：CN118898772B

公开(公告)日：2024-12-10

申请号：CN202411388443.2

申请日：2024-10-08

Applicant: 安徽大学

Inventor： 胡古月 ,  宋思远 ,  康玉琨 ,  李成龙 ,  付宇晗 ,  王佳兰 ,  徐光辉

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/098 ,  G06V10/26

Abstract: 本发明提供基于联邦客户端定制适配器的图像解剖分割方法及系统，方法包括：对医学基础模型，进行适配器学习adapter learning，在适配器模块插入全局‑本地解耦器GLD，得到客户端自适应适配器；对客户端自适应适配器中的卷积层，进行通道贡献量化操作，获取各通道贡献分数，以作为医学基础模型的参数生成分数；设置客户端定制联邦学习算法，在联邦学习范式下，利用客户端定制联邦更新算法，根据各通道贡献分数，对客户端进行联邦更新操作，以获取适用个性化模型；模型训练与测试。本发明解决了分布式医疗数据孤岛客户异质性显著，导致医学数据的类别不平衡，所学习的全局折衷模型与每个客户端的个体最优性偏离较大，以及稳定性低、收敛缓慢的技术问题。

公开(公告)号：CN118898772A

公开(公告)日：2024-11-05

申请号：CN202411388443.2

申请日：2024-10-08

Applicant: 安徽大学

Inventor： 胡古月 ,  宋思远 ,  康玉琨 ,  李成龙 ,  付宇晗 ,  王佳兰 ,  徐光辉

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/098 ,  G06V10/26

Abstract: 本发明提供基于联邦客户端定制适配器的图像解剖分割方法及系统，方法包括：对医学基础模型，进行适配器学习adapter learning，在适配器模块插入全局‑本地解耦器GLD，得到客户端自适应适配器；对客户端自适应适配器中的卷积层，进行通道贡献量化操作，获取各通道贡献分数，以作为医学基础模型的参数生成分数；设置客户端定制联邦学习算法，在联邦学习范式下，利用客户端定制联邦更新算法，根据各通道贡献分数，对客户端进行联邦更新操作，以获取适用个性化模型；模型训练与测试。本发明解决了分布式医疗数据孤岛客户异质性显著，导致医学数据的类别不平衡，所学习的全局折衷模型与每个客户端的个体最优性偏离较大，以及稳定性低、收敛缓慢的技术问题。