X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
关于我们
欢迎来到科易网(仲恺)技术转移协同创新平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
成果 专家 院校 需求
当前位置: 首页 >  科技成果  > 详细页

[00902041]基于U-Net网络脑胶质瘤的医学图像分割方法

交易价格: 面议

所属行业: 网络

类型: 发明专利

技术成熟度: 正在研发

专利所属地:中国

专利号:CN202011144947.1

交易方式: 其他

联系人:

所在地:浙江杭州市

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

基于U-Net网络脑胶质瘤的医学图像分割方法,包括:步骤1)对所选数据集进行预处理;步骤2)构建网络模型;步骤3)设置训练策略;步骤4)训练网络并更新参数;5)评估模型;6)将验证集送入训练好的模型。本发明先是对U-Net的整体架构进行了调整,并在此基础上加入了在本文中称之为refine的模块,refine模块融合了1x1卷积、空洞卷积和全局平均池化的模块。加入的空洞卷积能使得网络的感受野在不增加卷积核参数的情况下得到有效的提升,1x1卷积可以提取更多的细节特征,通过这两部分的结合,能有效地集成粗糙的全局特征和细节的局部特征。全局平均池化能得到各个通道间的相关性,能得到模型在空间上更多的特征信息。
基于U-Net网络脑胶质瘤的医学图像分割方法,包括:步骤1)对所选数据集进行预处理;步骤2)构建网络模型;步骤3)设置训练策略;步骤4)训练网络并更新参数;5)评估模型;6)将验证集送入训练好的模型。本发明先是对U-Net的整体架构进行了调整,并在此基础上加入了在本文中称之为refine的模块,refine模块融合了1x1卷积、空洞卷积和全局平均池化的模块。加入的空洞卷积能使得网络的感受野在不增加卷积核参数的情况下得到有效的提升,1x1卷积可以提取更多的细节特征,通过这两部分的结合,能有效地集成粗糙的全局特征和细节的局部特征。全局平均池化能得到各个通道间的相关性,能得到模型在空间上更多的特征信息。

推荐服务:

Copyright © 2015 科易网 版权所有 闽ICP备07063032号-5