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
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
调焦电机
调焦驱动机构
工控机
分划板
角膜接触镜
分层注意力
强化学习方法
多智能体系统
层级
机制
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
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