-
Patent Agency Ranking
公开(公告)号：CN110458849A
公开(公告)日：2019-11-15
申请号：CN201910684402.0
申请日：2019-07-26
Applicant: 山东大学
Abstract: 本发明提出了一种基于特征修正的图像分割方法。传统深度学习分割算法往往包含编码器和解码器两个部分，注重特征的融合，特征金字塔等方法将来自不同层次的空间与细节等信息全部融合，这使得对分割结果有利和不利的信息都被融合了进来，因此，需要在分割过程中将特征朝有利于分割结果的方向修正。本发明采用了编码器、特征修正解码器与特征金字塔的组合结构，在BraTS2017数据集上进行了算法验证，本发明的方法优于传统的方法，具有更好的分割结果。
-
公开(公告)号：CN110599495A
公开(公告)日：2019-12-20
申请号：CN201910684367.2
申请日：2019-07-26
Applicant: 山东大学
Abstract: 本发明提出了一种基于语义信息挖掘的图像分割方法。传统深度学习算法往往包含编码器和解码器两个部分，其中编码器用于提取细节信息，解码器会将这些细节信息融合，进行上采样，得到最终的分割结果。目前大多分割方法在编码器部分只使用一条通路，基于残差网络的分割方法又在编码器的每个下采样区域中增加了一条残差通路，用于补充信息，但是补充的信息来自于之前的卷积层，提取的细节信息不足，因此，需要在分割过程中进行语义信息挖掘。本发明采用了语义信息挖掘编码器、解码器与特征金字塔的组合结构，在BraTS2017数据集上进行了算法验证，我们的方法优于传统的方法，具有更好的分割结果。
-
公开(公告)号：CN110599495B
公开(公告)日：2022-08-16
申请号：CN201910684367.2
申请日：2019-07-26
Applicant: 山东大学
Abstract: 本发明提出了一种基于语义信息挖掘的图像分割方法。传统深度学习算法往往包含编码器和解码器两个部分，其中编码器用于提取细节信息，解码器会将这些细节信息融合，进行上采样，得到最终的分割结果。目前大多分割方法在编码器部分只使用一条通路，基于残差网络的分割方法又在编码器的每个下采样区域中增加了一条残差通路，用于补充信息，但是补充的信息来自于之前的卷积层，提取的细节信息不足，因此，需要在分割过程中进行语义信息挖掘。本发明采用了语义信息挖掘编码器、解码器与特征金字塔的组合结构，在BraTS2017数据集上进行了算法验证，我们的方法优于传统的方法，具有更好的分割结果。
-
公开(公告)号：CN110458849B
公开(公告)日：2023-04-25
申请号：CN201910684402.0
申请日：2019-07-26
Applicant: 山东大学
Abstract: 本发明提出了一种基于特征修正的图像分割方法。传统深度学习分割算法往往包含编码器和解码器两个部分，注重特征的融合，特征金字塔等方法将来自不同层次的空间与细节等信息全部融合，这使得对分割结果有利和不利的信息都被融合了进来，因此，需要在分割过程中将特征朝有利于分割结果的方向修正。本发明采用了编码器、特征修正解码器与特征金字塔的组合结构，在BraTS2017数据集上进行了算法验证，本发明的方法优于传统的方法，具有更好的分割结果。
-
-
-
Search Results
5
records
(took 0.018 seconds)
