基于改进SCB-Unet网络的蜂窝肺病灶分割方法.pdf
玉军****la
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于改进SCB-Unet网络的蜂窝肺病灶分割方法.pdf
本发明公开了一种基于改进SCB‑Unet网络的蜂窝肺病灶分割方法,实现蜂窝征CT影像数据集的自动分割技术,属于图像处理技术领域;采用SCB和U‑Net搭建融合网络,深入挖掘信号中的特征信息提高主任务的泛化能力,更准确地提取病灶特征;同时为了提高分割精确度,利用空洞卷积解决图像在卷积和反卷积过程当中的空间分辨率的丢失问题,之后利用条件随机场通过增加计算复杂性来提高模型的整体性能,最终实现病灶区域的精准分割。
一种基于SAA-Unet网络的蜂窝肺病灶分割方法.pdf
本发明一种基于SAA‑Unet网络的蜂窝肺病灶分割方法,属于图像处理技术领域;所要解决的技术问题为:提供一种基于SAA‑Unet网络的蜂窝肺病灶分割方法的改进;解决上述技术问题采用的技术方案为:使用U‑Net为基础网络,深入挖掘蜂窝肺病灶部位中的特征信息提高主任务的泛化能力,更精准地提取蜂窝肺病灶特征;同时为提高模型分割精确度,通过使用划分注意模块解决图像在卷积和反卷积过程当中的特征丢失问题,最后使用注意力机制通过融合高底层特征信息,提高重要病灶区域的权重值,从而实现网络模型对蜂窝肺病灶区域的分割准确率;
基于ViT与上下文特征融合的蜂窝肺病灶分割方法及网络.pdf
本发明提供了基于ViT与上下文特征融合的蜂窝肺病灶分割方法及网络,属于图像处理技术领域;本发明网络可实现更高精度分割蜂窝肺病灶部位;利用通道混合卷积块增加不同通道之间信息的交互,充分提取病灶部位特征信息;采用Transformer架构作为编码器与解码器的特征连接器,增强全局信息的特征表达,扩大网络的感受野;采用CFB模块融合多阶段的特征,减少高级特征与低级特征之间的语义差距,提高病灶部位与目标边缘的分割精度;本发明应用于蜂窝肺病灶分割。
基于改进形状模型的肺分割方法.pdf
基于改进形状模型的肺分割方法,本发明先建立肺轮廓的先验模型,再利用灰度与形状相似性信息结合图像特征对肺区域分割。由于在某些图像中,初始位置可能与实际边界相距过远,利用灰度与形状相似性信息分割时,搜索区域不覆盖肺边界。因此,本发明通过使用主动形状模型(Active?Shape?Model,ASM)算法在第一次分割基础上修正肺边界,改善部分点搜索陷入局部极值的情况,获得更优的搜索结果。
一种基于改进MobileNet模型的蜂窝肺识别方法.pdf
本发明公开了一种基于改进MobileNet模型的蜂窝肺识别方法,研究涉及图像处理技术领域;方法包括:获取蜂窝征CT影像数据集,对数据集进行数据标注和预处理;构建分类识别模型;计算模型输出与原始数据的误差损失值;根据误差损失值更新神经网络模型的参数;遍历所有训练样本,完成神经网络模型的训练学习,构建蜂窝肺CT影像识别模型,利用评价指标获得模型的识别性能;本发明是在计算机辅助的前提下精确获得蜂窝肺CT影像识别分类结果,提高分类识别准确率和模型整体性能。