-
公开(公告)号:CN115565013A
公开(公告)日:2023-01-03
申请号:CN202211297190.9
申请日:2022-10-21
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习的心肌梗死图像分割方法及系统,所述方法包括:收集轧增强的心肌梗死磁共振图像数据集进行数据处理得到数据增强的训练数据集;构建编码器,将经过数据增强的训练数据集输入到编码器;构建主解码器和两个辅助解码器;构建鉴别器;将上述编码器的输出端分别与主解码器以及两个辅助解码器连接,鉴别器与主解码器的输出端连接,从而构建半监督心肌梗死神经网络分割模型,训练模型,总损失最小时得到训练好的模型;将实时采集的轧增强的心肌梗死磁共振图像输入到上述训练好的模型中,得出心肌梗死分割图像;本发明的优点在于:分割结果相对准确,训练过程快,充分利用大量无标签数据。
-
公开(公告)号:CN115965630A
公开(公告)日:2023-04-14
申请号:CN202211464842.3
申请日:2022-11-22
Applicant: 安徽大学
IPC: G06T7/10 , G06T7/136 , G06T5/50 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于内窥镜图像的深度融合的肠息肉分割方法及装置,所述方法包括:采集内窥镜下肠息肉图像并进行预处理得到训练集和测试集;利用门控轴向注意力机制模块和滑动窗口注意力机制模块构建深度特征融合模块;利用门控轴向注意力机制模块、深度特征融合模块以及注意力门控模块构建肠息肉图像分割模型;利用训练集训练肠息肉图像分割模型得到最优的肠息肉图像分割模型;将实时采集的内窥镜下肠息肉图像输入最优的肠息肉图像分割模型得到预测分割图像;本发明的优点在于:解决了由于缺乏大量带有标签数据的问题,训练成本和训练难度较低。
-