-
公开(公告)号:CN119006491A
公开(公告)日:2024-11-22
申请号:CN202410929142.X
申请日:2024-07-11
Applicant: 苏州大学
IPC: G06T7/11 , G06N3/0464 , G06N3/08 , G06T7/00 , G06N3/048
Abstract: 本发明公开了轻量化脉络膜新生血管OCT图像分割方法及系统,涉及图像分割技术领域。本发明包括:接收脉络膜新生血管OCT图像进行预处理,并将图像数据划分为训练集和测试集;构建以UNeXt网络为基础的改进分割模型,改进分割模型中包括编码器、解码器及跳跃连接,将编码器、解码器中的深度可分离卷积块均替换为卓越卷积模块。本发明通过在前三层编码器之后添加卓越卷积模块,能够捕捉不同层次和不同尺度的特征,充分挖掘特征图中的有用信息,并且引入的深度特征提取模块融合多种注意力机制,能够显著提高特征提取的能力及模型的泛化能力,同时引入的卓越卷积模块通过仅对部分通道进行高效轻量的卷积操作,能够在关注重要特征的同时节省了计算资源。
-
公开(公告)号:CN118941576A
公开(公告)日:2024-11-12
申请号:CN202410925994.1
申请日:2024-07-11
Applicant: 苏州大学
Abstract: 本发明公开了基于TransUNet的甲状腺结节超声图像分割方法及系统,涉及图像分割技术领域。本发明包括:接收甲状腺结节超声图像进行预处理,并将图像数据划分为训练集、验证集和测试集;构建以TransUNet模型网络为基础的改进分割模型,改进分割模型中包括CNN‑SETrans编码器、解码器及跳跃连接。本发明基于TransUNet网络结构,将SE模块引入Transformer编码器,与MSA模块串联以构建SETrans编码器,全面提取通道信息和空间信息,能够提高网络的特征表示能力,且通过将Ghost模块引入跳跃连接,能够补偿从CNN的低分辨率到解码器的高分辨率的长距离传输过程中图像特征的损失,还不会显著增加计算成本,同时采用深度可分离卷积(DSConv)取代了解码器中每层末尾的普通卷积,提高了特征提取的有效性。
-