基于深度学习和各向异性活动轮廓的图像分割方法
公开
摘要
一种基于深度学习和各向异性活动轮廓的图像分割方法，考虑了图像边缘的各向异性和非对称特征，将测地线主动轮廓模型作为损失函数的形式融入到V‑Net网络中，首先对训练集的数据动态增强，即在训练网络时，输入训练的一份数据进行多种变化，如。将增强后的数据送入网络训练，使用新定义的损失函数L来进行回归，优化方法Adam优化方法。训练集数据训练完成后保存网络参数，进行图像分割时先加载网络参数，然后直接对图像进行分割，得到结果，这种结合了测地主动轮廓的损失函数对医学图像分割相对于只有深度学习的网络分割医学图像更稳健。
基本信息
专利标题 ：
基于深度学习和各向异性活动轮廓的图像分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114581392A
申请号 ：
CN202210189267.4
公开（公告）日 ：
2022-06-03
申请日 ：
2022-02-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈达李安坤舒明雷刘丽
申请人 ：
山东省人工智能研究院
申请人地址 ：
山东省济南市历下区科院路19号
代理机构 ：
济南泉城专利商标事务所
代理人 ：
支文彬
优先权 ：
CN202210189267.4
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T7/12 G06V10/774 G06V10/82 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
