公开(公告)号：CN116206109A

公开(公告)日：2023-06-02

申请号：CN202310146446.4

申请日：2023-02-21

Applicant: 桂林电子科技大学

Inventor： 李为坤 ,  张文辉 ,  林镇源 ,  蒋小莲 ,  李佳玮 ,  陈晓婕

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于级联网络的肝脏肿瘤分割方法，采取肝脏分割网络和肝肿瘤分割网络级联的方式，肝脏分割网络先从CT图像中分割肝脏，提取出肿瘤感兴趣区域，再将肿瘤感兴趣区域作为肝肿瘤分割网络的输入，进一步实现对肝脏肿瘤的精准分割，这解决了因肿瘤在整幅CT图像中占比小而造成的数据不平衡问题。肝脏分割网络和肝肿瘤分割网络均以残差网络作为骨架，残差网络极大提高了可以有效训练的网络的深度，加速训练网络的收敛，减少模型退化，从而有效避免了随着网络层数加深梯度消失的问题，解决了因网络过深而出现的梯度弥散问题。

公开(公告)号：CN116433611A

公开(公告)日：2023-07-14

申请号：CN202310279890.3

申请日：2023-03-21

Applicant: 桂林电子科技大学

Inventor： 蒋小莲 ,  张文辉 ,  李为坤 ,  林镇源 ,  李佳玮

IPC: G06T7/00 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于UNet的多分支肝脏肿瘤分割方法，先构建基于UNet的多分支肝脏肿瘤分割网络；再利用事先已经分割出肝脏肿瘤的CT图像所构建的训练样本集对基于UNet的多分支肝脏肿瘤分割网络进行深度学习训练，得到训练好的基于UNet的多分支肝脏肿瘤分割网络；后将当前需要进行肝脏肿瘤分割的CT图像送到训练好的基于UNet的多分支肝脏肿瘤分割网络中，得到已分割出肝脏肿瘤的CT图像。通过加强分割网络特征图的感受野以及充分利用通道与空间结构信息，可以更好地捕获像素级细节和空间信息，从而提高网络对医学图像的分割性能。与现有的方法不同，本发明所提出的网络架构在捕获局部边缘的精细细节的同时，还能捕获全局多尺度信息，从而确保空间一致性。

公开(公告)号：CN116206109B

公开(公告)日：2023-11-07

申请号：CN202310146446.4

申请日：2023-02-21

Applicant: 桂林电子科技大学

Inventor： 李为坤 ,  张文辉 ,  林镇源 ,  蒋小莲 ,  李佳玮 ,  陈晓婕

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于级联网络的肝脏肿瘤分割方法，采取肝脏分割网络和肝肿瘤分割网络级联的方式，肝脏分割网络先从CT图像中分割肝脏，提取出肿瘤感兴趣区域，再将肿瘤感兴趣区域作为肝肿瘤分割网络的输入，进一步实现对肝脏肿瘤的精准分割，这解决了因肿瘤在整幅CT图像中占比小而造成的数据不平衡问题。肝脏分割网络和肝肿瘤分割网络均以残差网络作为骨架，残差网络极大提高了可以有效训练的网络的深度，加速训练网络的收敛，减少模型退化，从而有效避免了随着网络层数加深梯度消失的问题，解决了因网络过深而出现的梯度弥散问题。