摘要
本发明提供了一种多尺度空间语义融合的肺部CT图像处理方法及系统,其方法包括:采集多种肺部CT‑DICOM图像,并进行质检处理以及格式转化,获得原始样本图像;对原始样本图像进行预处理以及肺部实质分割,获得标准样本图像;根据图像标注结果,确定正负样本,并对正负样本进行随机干扰,获得扩充样本图像,基于扩充样本图像以及标准样本图像,生成训练数据集;基于MSSF模块和C3K2_MSSF模块对YOLOv12网络进行改进,获得改进YOLOv12‑3D网络,并通过训练数据集对改进YOLOv12‑3D网络进行训练获得目标检测模型;将待检测CT图像输入目标检测模型中,获得检测信息。本发明通过改进YOLOv12‑3D网络架构,在特征提取阶段实现三维空间特征与多尺度空间语义特征的深度融合,显著提高了小目标的提取率和效率。
技术关键词
DICOM图像
样本
生成训练数据
融合特征
采样模块
特征融合网络
语义特征提取
CT图像处理系统
ROI图像
DICOM数据
标记
双线性插值算法
肺部CT图像
异常信息
系统为您推荐了相关专利信息
线特征提取方法
训练样本数据
深度神经网络
城市建筑三维模型
无人机遥感图像
趋势分析方法
机器学习方法
点检测算法
无监督学习算法
统计方法
XGBoost模型
累计直方图
分箱
联邦建模方法
联邦建模装置