CN119741316A 一种节育器超声图像分割方法及其模型构建方法_第1页
CN119741316A 一种节育器超声图像分割方法及其模型构建方法_第2页
CN119741316A 一种节育器超声图像分割方法及其模型构建方法_第3页
CN119741316A 一种节育器超声图像分割方法及其模型构建方法_第4页
CN119741316A 一种节育器超声图像分割方法及其模型构建方法_第5页
已阅读5页，还剩18页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(21)申请号202510250150.6姚捷张磊所(普通合伙)37489(54)发明名称设计FEU特征增强单元和CIL跨级特征融合单元，以此构建多尺度特征增强模块对节育器超声图像进行增强基于空间注意力层构建自适应细粒度特征提取与分割模块，以获得分割后的细粒度特征构建融合域分割器的域泛化图像分割模块，将细粒度特征输入该模块获得分割结果设计损失函数以及对比学习训练策略，同时利用粒子群算法优化自适应细粒度特征提取与分割模块网络结构将训练优化后的多尺度特征增强模块、最优自适应细粒度特征提取与分割模块和域泛化图像分割模块部署到服务器后端23Space₁=Attention(X)=σ(Wa·(X*K))+B;45Loss=Lloc+L679Space₁=Attention(X)=σ(Wa·(X*K)其中，Conv(*)表示卷积操作，包括Conv1、Conv3和Conv5三种卷积核，Loss=Lloc+L附图说明首先，通过全局平均池化层进行特征整合，将Mlfeat=Multiscale(Img);图像T;Multiscale(*)表示多尺度特征增强函数，其处理过程为上述整体处理过程；提取与分割模块(以下简称细粒度特征提取与分割模块),该模块基于空间注意力层、其中，Conv(*)表示卷积操作，包括Conv1、Conv3和Conv5三种卷积核，Loss=Lloc+Lcis+La;;构建节育器超声图像分割构建节育器超声图像分割数据集，包括源域数据集和目标域数据集设计FEU特征增强单元和CIL跨级特征融合单元，以此构建多尺度特征增强模块对节育器超声图像进行增强基于空间注意力层构建自适应细粒度特征提取与分割模块，以获得分割后的细粒度特征构建融合域分割器的域泛化图像分割模块，将细粒度特征输入该模块获得分割结果设计损失函数以及对比学习训练策略，同时利用粒子群算法优化自适应细粒度特征提取与分割模块网络结构将训练优化后的多尺度特征增强模块、最优自适应细粒度特征提取与分割模块和域泛化图像分割模块部署到服务器后端度特多尺度特征增强模块22ReLU激活函数FEU特征增强单元全局平均池化层全局平均池化层跨级特征融合单元共共T层多尺征空间注意力层空间注意力层空间注意力层Sigmoid激活函数自注细粒度特征提取与分割模块2

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论