基于深度学习和混合损失的结石CT影像分割方法及装置

AITNT
正文
推荐专利
基于深度学习和混合损失的结石CT影像分割方法及装置
申请号:CN202411647849
申请日期:2024-11-18
公开号:CN119399474A
公开日期:2025-02-07
类型:发明专利
摘要
本发明涉及基于深度学习和混合损失的结石CT影像分割方法及装置,属医学影像分析领域。本发明将预处理好的数据送入分割模型的3D Unet的编码器,对输入的肾结石CT影像进行逐步卷积和最大池化计算,每步计算的输入为上一步输出;将预处理好的数据进行分块并展平为序列向量,送入分割模型的ViT编码器进行自注意力计算,获取结石CT影像的全局特征;将得到的全局特征送入分割模型解码器的全局特征解码器,逐步实施反卷积解码计算,得到多个通道数不一的特征图;最后一次卷积和池化计算得到的特征图送入分割模型解码器的3D Unet解码器,逐次实施反卷积计算;本发明能准确的识别出结石CT影像中的结石位置和形态,提高分割效果。
技术关键词
影像分割方法 解码器 混合损失函数 结石 编码器 影像分割装置 数据 注意力机制 语义特征 分辨率 通道 融合特征 分块 序列 模块 标志 形态
系统为您推荐了相关专利信息
1
基于元路径学习与子图采样的APT网络攻击检测方法
网络攻击检测方法 网络拓扑信息 频繁子图挖掘 引入注意力机制 分类器
2
自动调焦式焦度计及屈光度与轴位测量方法
调焦电机 调焦驱动机构 工控机 分划板 角膜接触镜
3
一种基于因果推理和分层注意力机制的强化学习方法
分层注意力 强化学习方法 多智能体系统 层级 机制
4
人物图像的生成方法、装置、电子设备及可读存储介质
人脸身份 图像特征向量 图像处理 人脸关键点 交叉注意力机制
5
蛋白质残基运动坐标预测方法、设备、介质及程序产品
坐标 运动轨迹数据 预训练模型 计算机程序产品 时间序列形式
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号