摘要
本发明公开了一种基于混合连接的全尺度肺部图像分割算法,包括采用ConvModule模块,C2f模块,DarknetBottlenet模块和SPPF模块构建肺部图像特征提取模块;构建连接同层上尺度特征的同层特征密集尺度连接模块;构建以跳跃连接的方式将不同层的特征数据进行融合的异层特征稀疏跳跃连接模块;通过同层特征密集尺度连接模块的密集尺度连接和异层特征稀疏跳跃连接模块的稀疏跳跃连接,构建混合连接的全尺度分割模型;根据肺部的图像数据生成的训练集和测试集,对混合连接的全尺度分割模型进行训练;采用训练完成的全尺度分割模型,获取肺部图像分割结果。提高肺部图像分割精度,防止复杂特征丢失和深层网络的梯度消失,避免边缘特征的丢失。
技术关键词
肺部图像分割
模块
图像特征提取
更新网络参数
梯度下降法
算法
网络结构
数据
训练集
标签
策略
样本
精度
系统为您推荐了相关专利信息
指标
电力负荷预测
分布式数据库
融合方法
子模块
历史交互信息
大语言模型
对象
点击率预测模型
生成方法
水利工程闸门
智能控制方法
惯性补偿系数
三维磁场
控制闸门