公开(公告)号：CN115457049A

公开(公告)日：2022-12-09

申请号：CN202211018870.2

申请日：2022-08-24

Applicant: 浙江工业大学

Inventor： 张聚 ,  应长钢 ,  龚伟伟 ,  马栋 ,  上官之博 ,  程芸 ,  姚信威

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明公开了一种基于多注意力机制的可变形卷积肺部CT图像分割方法，涉及深度学习领域，本发明首先对数据集进行数据预处理和数据增广，然后构建网络模型，网络模型包括主干网络、边缘注意力模块、自适应可形变卷积模块和双重注意力融合模块。图像进入网络模型，先经过主干网络进行编码，然后通过边缘注意力模块，抑制没有空间相关性的区域边缘特征信息，提高目标区域边缘特征的权重比。再通过自适应可形变卷积模块学习卷积参数和坐标偏移从而自适应感受野。最后通过双重注意力融合模块融合EAM模块和ADC模块所提取的丰富特征，利用上层特征生成的特征图来增强下层特征，再将增强的下层特征与上层特征集成之后输出分割的图像。

公开(公告)号：CN115456890A

公开(公告)日：2022-12-09

申请号：CN202211011789.1

申请日：2022-08-23

Applicant: 浙江工业大学

Inventor： 张聚 ,  龚伟伟 ,  应长钢 ,  上官之博 ,  马栋 ,  程芸 ,  姚信威

IPC: G06T5/00 ,  G06T7/13 ,  G06T5/20 ,  G06N3/08 ,  G06N3/04

Abstract: 基于多尺度双域判别器的GAN医学CT图像去噪方法，具体步骤如下：步骤1)创建医学CT图像模型；步骤2)构建去噪网络生成器部分；步骤3)构建去噪网络判别器部分；步骤4)数据集预处理；步骤5)训练去噪网络并更新参数；本发明具有以下优点：1)提出了使用GAN网络的对抗性损失对医学CT图像去噪，增强去噪图像的结构和纹理细节，同时防止去噪图像发生过度平滑的问题；2)对GAN网络的判别器进行改进，使用包含多尺度特征提取模的判别器块代替原有的判别器，增强判别器辨别真假的能力；3)在已有图像域判别器的基础上，新增图像梯度域的判别器，增强去噪网络有效减轻条纹伪影和获取图像边缘信息的能力。