CN117911772B 一种基于分割的多特征信息的甲状腺结节良恶性分类方法 （内蒙古大学）_第1页
CN117911772B 一种基于分割的多特征信息的甲状腺结节良恶性分类方法 （内蒙古大学）_第2页
CN117911772B 一种基于分割的多特征信息的甲状腺结节良恶性分类方法 （内蒙古大学）_第3页
CN117911772B 一种基于分割的多特征信息的甲状腺结节良恶性分类方法 （内蒙古大学）_第4页
CN117911772B 一种基于分割的多特征信息的甲状腺结节良恶性分类方法 （内蒙古大学）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

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

benignandmalignancyThyrowithmulti-featureinformation.14卷785-800.一种基于分割的多特征信息的甲状腺结节本发明公开了一种基于分割的多特征信息通过采用分割+分类的策略对甲状腺结节超声图存在的网格问题和采样稀疏问题，设计了DASPP2构建甲状腺结节良恶性分类网络，甲状腺结节良恶性分类信息进行融合以获取多尺度特征表示，然后将所有尺度的特征进行上采样恢复原始大小，述区域分支网络用于提取结节内部的信息以及结节的纵横比信息，其输入为结节区域图在测试集中验证甲状腺结节良恶性分类模型，利用通过验2.根据权利要求1所述的一种基于分割的多特征信息的甲状腺结节良恶性分类方法，3.根据权利要求1所述的一种基于分割的多特征信息的甲状腺结节良恶性分类方法，4.根据权利要求3所述的一种基于分割的多特征信息的甲状腺结节良恶性分类方法，34[0002]超声检查是利用超声波的物理特性和人体组织声学参数进行成像，结合解剖学、病理生理学及临床医学等学科的医学影像检查技术，频率超过人耳听闻上限20kHZ以上的络与知识引导的多分支分类网络，多尺度分割网络用于对图像中的甲状腺结节进行分割，5[0015]更进一步地，在所述步骤S2中，多尺度分割网络以U-Net网络为主干网络，包括[0021]更进一步地，三个分支网络均为改进的ResNet50特征提取网络，所述改进的的信息来减少冗余；为了克服膨胀卷积存在的网格问题和采样稀疏问题，设计了DASPP模[0024]图2是本发明实施例中的多尺度分割网络(即多尺度注意力门U-Net网络)的结构6[0032]本实施例中使用的数据集来自于某地区人民医院超声科，共有甲状腺结节图像息存在。这使得甲状腺小结节的分割精度难以提升。为了解决这一问题，使用注意力门问题可能会打断局部信息之间的连续性。为了克服这个问题，在网络中集成了改进后的ASPP模块——密集连接的空洞空间卷积池化金字塔(DenselyConnectedAtrousSpatial7[0042]ASPP通过将多个膨胀系数不同的膨胀卷积进行并联，从多个比例获取多尺度信[0044]多尺度特征融合模块用于将解码器不同尺度的输出信息进行融合以获取多尺度8[0054]本发明使用ResNet50网络作为各分支网络的基线网络，为了提升网络的分类性拼接融合；(2)分类网络的每个残差模块内均采用CoordinateAttention(CA)注意力机制考虑通道信息与空间信息，在ResNet50网络每个Block(残差模块)中都使用了CA注意力机的行和列中是否有感兴趣的区域。这种方式可以让网络更好地确定感兴趣区域的具体位[0057]综上所述，上述实施例的基于分割的多特征信息的甲状9

人人文库> 全部分类> 行业资料 > 信息产业

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