Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥工业大学付超获国家专利权

合肥工业大学付超获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉合肥工业大学申请的专利基于剪枝U-Net++的乳腺肿块图像分割方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114565617B

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210033672.7,技术领域涉及:G06T7/11;该发明授权基于剪枝U-Net++的乳腺肿块图像分割方法及系统是由付超;吕晗笑;王冬越;常文军设计研发完成,并于2022-01-12向国家知识产权局提交的专利申请。

基于剪枝U-Net++的乳腺肿块图像分割方法及系统在说明书摘要公布了:本发明提供一种基于剪枝U‑Net++的乳腺肿块图像分割方法及系统,涉及超声图像分割技术领域。本发明构建的剪枝U‑Net++的乳腺肿块图像分割模型,是基于U‑Net++网络,利用跳跃连接融合各分支U‑Net的特征表达,并引入残差连接代替U‑Net++方法中的密集连接,利用该模型对获取的原始乳腺超声图像进行分割。本发明所构建的剪枝U‑Net++乳腺超声图像分割模型,在对乳腺超声图像中的肿块进行分割时,可避免因医疗图像数据存在小数据集问题而导致的模型过拟合问题,提高了超声图像乳腺肿块分割模型的泛化能力;同时,模型参数的规模远小于现有技术,降低了网络模型的复杂度,可缩短网络训练的计算时间,减少网络训练的内存占用,提高了模型训练效率。

本发明授权基于剪枝U-Net++的乳腺肿块图像分割方法及系统在权利要求书中公布了:1.一种基于剪枝U-Net++的乳腺肿块图像分割方法,其特征在于,所述方法包括: S1、获取原始乳腺超声图像并对所述原始乳腺超声图像进行预处理; S2、基于U-Net++网络构建剪枝U-Net++乳腺超声图像分割模型;所述剪枝U-Net++乳腺超声图像分割模型包括:通过跳跃连接融合各分支U-Net的特征表达,同时引入残差连接取代U-Net++网络中的密集连接,基于深监督方法权衡在不同网络特征下的训练精度和速度,基于网络剪枝方法降低U-Net++网络层级之间的特征图通道冗余信息; S3、基于所述剪枝U-Net++乳腺超声图像分割模型对所述原始乳腺超声图像进行分割; 所述剪枝U-Net++乳腺超声图像分割模型在编码路径提供四次下采样层,在解码路径提供四次上采样层;其中,每个下采样层均包括卷积层与池化层,两个串联的3×3卷积层保证在卷积核具有相同感受野的前提下拥有更少的参数,一个最大池化层保证在缩减模型规模的基础上保留图像最显著的特征;每个上采样层由一个2×2反卷积层组成,用于将下采样层提取的特征图恢复到原始图像的分辨率; 所述通过跳跃连接融合各分支U-Net的特征表达,包括: 通过特征叠加方式的跳跃连接实现从浅层特征到深层特征的映射,融合每个子网络同一层次,不同层次间的深浅层特征;综合长连接与短连接将不同层次间特征进行叠加; 所述引入残差连接取代U-Net++网络中的密集连接,包括: 在子网络中间层采用残差连接,将输出的特征图仅与前一层的特征进行通道维级联,以在降低网络特征图通道维冗余信息的情况下,考虑特征图上下文信息,抓取图像深层次特征的同时,兼顾网络的剪枝优化。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人合肥工业大学,其通讯地址为:230009 安徽省合肥市包河区屯溪路193号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。