中国矿业大学郑天雷获国家专利权
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!
龙图腾网获悉中国矿业大学申请的专利基于改进U-Net网络的甲状腺腺体和结节分割方法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:CN116485812B 。
龙图腾网通过国家知识产权局官网在2025-11-11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:202310390164.9,技术领域涉及:G06T7/11;该发明授权基于改进U-Net网络的甲状腺腺体和结节分割方法是由郑天雷;杨娜;朱昌盛;关凤军;金戴鹏;赵卫国;耿诗;赵蕾;程德强设计研发完成,并于2023-04-13向国家知识产权局提交的专利申请。
本基于改进U-Net网络的甲状腺腺体和结节分割方法在说明书摘要公布了:本发明涉及一种基于改进U‑Net网络的甲状腺腺体和结节分割方法。超声是甲状腺结节检查的首选方式,但是超声图像噪声大,甲状腺结节又形态各异,给医生的诊断带来了极大的挑战。目前开发的甲状腺结节自动分割方法对边缘不规则和微小结节的分割效果差。为克服高分辨率数据特征提取不足导致的甲状腺边缘和微小结节分割不准确,对大型和不规则目标的分割效果不理想以及手工分割繁琐和耗时的缺点,提出了一种基于改进U‑Net网络的甲状腺腺体和结节分割方法。通过在U‑Net网络的编码器和解码器中引入ResNeSt模块、空洞空间池化金字塔AtrousSpatialPyramidPooling,ASPP和可变形卷积DeformableConvolution,DCv3,进行特征提取,建立一个变形金字塔分割注意残差网络Deformable‑PyramidSplitAttentionResidualU‑Net,DSRU‑Net。实验和方法分析表明:采用DSRU‑Net网络,可明显提高甲状腺腺体和结节分割的准确度。
本发明授权基于改进U-Net网络的甲状腺腺体和结节分割方法在权利要求书中公布了:1.基于改进U-Net网络的甲状腺腺体和结节分割方法,其特征在于,包括如下步骤: 步骤1、数据集搭建:由专业医生选取某医院a例患者的共计b幅甲状腺超声图像,对图像进行专业处理及筛选后,得到一个由dd≤b幅甲状腺超声图像构成的数据集S;S中的rrd幅作为训练数据集S1,S中剩下的d-r幅作为测试数据集S2;S中包含良性样本和恶性样本,良性样本包括炎症性结节、囊性结节和肿瘤结节等,恶性样本包括乳头状癌和滤泡癌等; 步骤2、模型搭建:对U-Net网络进行改进,具体是在U-Net网络的编码器和解码器中引入ResNeSt模块、空洞空间池化金字塔AtrousSpatialPyramidPooling,ASPP和可变形卷积DeformableConvolution,DCv3,进行特征提取,建立一个变形金字塔分割注意残差网络Deformable-PyramidSplitAttentionResidualU-Net,DSRU-Net; 步骤3、模型训练:利用S1中r幅甲状腺超声图像,采用损失函数和优化器对DSRU-Net网络模型进行训练;在训练过程中,采用数据增强策略实时增强样本,数据增强策略包括增减亮度、增减收缩、水平镜像、随机角度旋转、随机裁剪和随机拉伸等;为评估模型输出和参数,结合加权交叉熵损失函数Lwce和骰子损失函数Ldice定义一个新的损失函数Ltotal,并结合优化器更新模型参数,得到训练后的DSRU-Net网络;Lwce定义为: 1 其中,n为任意批次下的任一样本,N为批次尺寸,c为任一类别,C为类别数,nc为样本n的类别,ntc为样本n的正确类别,wntc为样本n的正确类别权重,xnc为样本n的类别对应的预测值,xntc为样本n的正确类别对应的预测值,t为单次非冗余类别,T为非冗余类别总数,wt为批处理中非冗余类别权重,exp·为指数函数;Ldice定义为: 2 其中,e为一个较小常量,通常取1,ync表示样本n的类别真实值;Ltotal定义为: L total =Lwce+Ldice3; 步骤4、甲状腺腺体和结节分割:利用训练后的DSRU-Net网络,对S2中d-r幅甲状腺超声图像中的甲状腺腺体和结节进行分割,得到分割结果R; 步骤5、分割效果评价:利用特异性Specificity,SP、敏感性Sensitivity,SE、精密度Precision,PR、准确性Accuracy,ACC、交并比IntersectionoverUnion,IoU和骰子相似系数DiceSimilarityCoefficient,DSC等评价指标,对R进行评价分析;它们分别定义为: 4 5 6 7 8 9 其中,TP是真阳性的数量,TN是真阴性的数量,FP是假阳性的数量,FN是假阴性的数量。
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中国矿业大学,其通讯地址为:221116 江苏省徐州市大学路1号中国矿业大学南湖校区信息与控制工程学院B311室;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