公开(公告)号：CN117764953A

公开(公告)日：2024-03-26

申请号：CN202311792524.4

申请日：2023-12-25

Applicant: 常州大学

Inventor： 袁宝华 ,  汤瑞 ,  张晴 ,  陈佳璐 ,  肖德豪 ,  吴旭东

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/048 ,  G06N3/045

Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于CNN和注意力的MRI脑肿瘤分割方法，包括对MRI图像通过编码器提取图像特征；利用CMT模块依次对每个模态进行图像特征提取，当提取某个模态图像特征时与剩余模态图像特征进行互补信息融合；在瓶颈层利用Ttd模块对每个模态图像进行全局特征提取；在解码路径中利用JGF模块对编码器特征和解码器特征进行融合。本发明解决现有方法未充分考虑模态之间的关联；划分Token不合理以及Self‑Attention存在计算资源的浪费和效率的问题。

公开(公告)号：CN118823352A

公开(公告)日：2024-10-22

申请号：CN202411030316.5

申请日：2024-07-30

Applicant: 常州大学

Inventor： 袁宝华 ,  吴旭东 ,  马瑾 ,  秦其乐 ,  汤瑞

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及图像分割技术领域，尤其涉及一种基于深度学习的2D医学图像分割方法，包括采集医学图像数据集；构建CNN分支和Transformer分支，利用CNN分支提取局部特征，利用Transformer分支提取全局特征；构建CAF模块，将局部特征和全局特征输入CAF模块中进行第一特征融合；在残差块中引入深度可分离卷积，将第一特征融合与Hadamard积进行第二特征融合；利用上采样、和跳跃连接融合不同层级的第二特征融合，得到融合后的图像特征；将第一层图像特征与解码第三上采样进行残差连接，再通过上采样得到分割结果。本发明解决现有CNN和Transformer特征融合时存在信息丢失问题。