-
公开(公告)号:CN118967641A
公开(公告)日:2024-11-15
申请号:CN202411099144.7
申请日:2024-08-12
申请人: 常州大学
IPC分类号: G06T7/00 , G06T7/11 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明涉及图像处理技术领域,尤其涉及基于DDet模型的超声肝脏检测追踪方法,包括获取超声肝脏视频,并分割为若干图像帧,并对病变区域进行标注;构建改进DiffusionDet模型,将DiffusionDet模型的ResNet50特征提取网络替换为Mix Transformer网络,增强DiffusionDet模型的全局注意力;提高病变部位识别能力。本发明解决现有图像检测追踪方法无法完整捕获病变部位以及无法捕获较小病变部位的问题。
-
公开(公告)号:CN114998296A
公开(公告)日:2022-09-02
申请号:CN202210723059.8
申请日:2022-06-24
申请人: 常州大学
摘要: 本发明涉及图像分割技术领域,尤其涉及一种基于改进Unet网络的甲状腺结节分割方法,包括:对公共甲状腺超声图像数据集进行图像大小统一、随机翻转、旋转和增强对比度操作;构建改进Unet网络,首先在Unet网络的前3个下采样卷积中增加自注意力残差连接块;其次在第4个下采样后增加高低频自注意力自适应融合模块;最后在高低频自注意力自适应融合模块之后接入语义增强模块;使用argmax判断像素值属于结节还是背景。本发明为了帮助医生进行准确的甲状腺结节分割,对结节区域进行精确的定位,同时增强全局上下文与局部信息,降低甲状腺结节分割的误差。
-