西安邮电大学王红玉获国家专利权
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!
龙图腾网获悉西安邮电大学申请的专利一种胸部X光片多目标分割方法、电子设备和存储介质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:CN116823849B 。
龙图腾网通过国家知识产权局官网在2026-03-03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:202310577052.4,技术领域涉及:G06T7/11;该发明授权一种胸部X光片多目标分割方法、电子设备和存储介质是由王红玉;张丹丹;冯筠;吴少轩;丁松涛;潘晓英设计研发完成,并于2023-05-22向国家知识产权局提交的专利申请。
本一种胸部X光片多目标分割方法、电子设备和存储介质在说明书摘要公布了:本申请涉及一种胸部X光片多目标分割方法、电子设备和存储介质,该方法包括:获取已标注的胸部X光片图像;将已标注的胸部X光片图像输入到已训练的单编码器‑双解码器的多目标分割网络中得到不同的目标分割结果;其中,多目标分割网络的训练步骤包括:获取已标注的胸部X光片图像数据集,将图像数据集输入到单编码器‑双解码器的多目标分割网络中进行训练得到已训练的单编码器‑双解码器的多目标分割网络。本申请网络中的协同注意跳跃连接模块,分别对肋骨等骨骼信息与肺野、心脏等目标的重要信息进行了一次筛选,因此有效提升了肋骨的分割性能,网络中的注意力引导多尺度特征选择模块,进一步提升了锁骨、后肋骨、肺野的分割性能。
本发明授权一种胸部X光片多目标分割方法、电子设备和存储介质在权利要求书中公布了:1.一种胸部X光片多目标分割方法,其特征在于,包括: 获取已标注的胸部X光片图像;标注部位至少包括:肺野、肋骨、锁骨和心脏; 将所述已标注的胸部X光片图像输入到已训练的单编码器-双解码器的多目标分割网络中得到不同的目标分割结果; 其中,所述已训练的单编码器-双解码器的多目标分割网络的训练步骤包括: 获取已标注的胸部X光片图像数据集,所述图像数据集至少包括:RCS-CXR、VinDr-RibCXR、JSRT和Montgomery; 将所述图像数据集输入到单编码器-双解码器的多目标分割网络中进行训练得到已训练的单编码器-双解码器的多目标分割网络; 其中,RCS-CXR标注了前肋、后肋和锁骨;VinDr-RibCXR将前肋和后肋作为整体标注,JSRT标注了锁骨、肺野和心脏;Montgomery只标注了肺野; 将所述已标注的胸部X光片图像输入到已训练的单编码器-双解码器的多目标分割网络中得到不同的目标分割结果,包括: 将所述已标注的胸部X光片图像输入到单编码器中提取图像的特征; 将提取的图像特征输入到双解码器中,获得不同的目标分割结果; 所述单编码器中至少包括:3*3卷积、密集连接块和协同注意跳跃连接模块; 其中,所述3*3卷积和密集连接块用于从多目标标注数据集中提取特征; 所述协同注意跳跃连接模块用于挖掘编码器中与待分割区域相关的空间细节信息、减少背景噪声以及在编码器与解码器特征映射中的语义鸿沟对分割的影响; 所述双解码器中第一解码器和第二解码器均包括:注意力引导多尺度特征选择模块和单层的预激活残差块; 所述注意力引导多尺度特征选择模块共包含三个分支,每个分支由压缩-激励模块和不同空洞率的3*3卷积组成,每个分支中压缩-激励模块的缩放因子为16,所述注意力引导多尺度特征选择模块将每个分支的通道数减少为输入通道数的一半; 所述单层的预激活残差块用于构建与分割任务相关的解码器; 所述解码器中的第一解码器用于处理不规则目标的分割,所述不规则目标包括:肋骨、锁骨;所述解码器中的第二解码器用于处理大面积目标和类圆形目标的分割,所述大面积目标和类圆形目标至少包括:肺野、心脏; 所述单编码器-双解码器的多目标分割网络的整体训练,采取交替训练的策略; 所述方法还包括: 训练过程中,单编码器-双解码器的多目标分割网络均使用Dice损失函数; 当RCS-CXR与JSRT数据集均参与训练时,每个目标的Dice损失函数权重均设置为1,第一解码器和第二解码器的分支求均值; 当RCS-CXR、JSRT、VinDr-RibCXR与Montgomery数据集均参与训练时,第一解码器的锁骨权重设置为1.5,第二解码器的心脏权重设置为2,其余目标的Dice损失函数的权重设置为1。
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西安邮电大学,其通讯地址为:710061 陕西省西安市长安南路563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”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励