摘要
本发明公开一种基于特征互补和选择的上采样网络的图像分割方法,属于医疗图像分割领域。本发明的方法包括以下步骤:首先,将目标图像输入残差编码路径进行特征提取与分辨率压缩。随后,将编码器路径提取的特征通过基础解码器路径进行高级特征的提取,同时逐步恢复图像的空间分辨率。此外,利用跳过连接和设计的特征互补与选择上采样模块用于将编码器提取的低级特征与解码器的高级特征集成在一起。最后,将结合解码与编码路径的最终特征应用1x1卷积生成预测的二值图像。其中,编码器路径由五个编码器模块组成,最大池化在前四个模块之后应用。解码器路径包括四个交替解码器模块和上采样模块。在两个公开可用的数据集:INbreast、CBIS‑DDSM和一个私有数据集:In‑house上进行的实验表明,本发明比之前的肿块图像割方法具有更好的性能。
技术关键词
图像分割方法
解码器
编码器模块
分辨率
上采样方法
ReLU函数
网络
特征选择
语义特征
采样模块
肿块
基础
纹理
系统为您推荐了相关专利信息
医学图像分割方法
图像编码器
多模态医学图像
医学图像分割系统
跨模态
阴影方法
读取原始图像
超分辨率模型
切片
图像分割模型
深度神经网络模型
基因表达数据
生成方法
构建深度神经网络
测序技术
设备故障预测系统
多模态深度学习
图片
解码器
编码器
零件分拣方法
工业物联网
融合视觉
语义
卷积神经网络模型