一种深度学习结合传统学习的前列腺图像分割算法
本发明公开了一种深度学习结合传统学习的前列腺图像分割算法,对U‑Net模型引入了ASSP模块,改进后的U‑Net网络对前列腺图像进行粗分割,再通过改进的法向量边界算子对前列腺进行精分割;设计的基于半圆区灰度差对前列腺图像精分割的算法,对原Hodge算法中进行改进,扩大了单根法向量领域灰度信息,纳入了更多像素信息,设计了一种对前列腺边界上异位点检测重构的方法。通过单个点与之相邻的线段的斜率差来表示该点曲率,去自动判断是否为异位点;该方案解决了现有技术对于前列腺分割任务中,消耗大量时间,效率不足的问题,具有更为快速、精确的自动化分割效果,操作过程简单方便,分割结果清晰直观的特点。
《一种深度学习结合传统学习的前列腺图像分割算法》是一发明专利,专利号为 2023107430423,当前法律状态为已下证,由三峡大学提出申请,发明人为石勇涛;李明;雷帮军;高超;郝涛;柳迪,申请日期为2023-06-21,公开(公告)日期为2025-09-23,国际专利分类号(IPC)为 G06T 7/11 (2017.01),高新资质:未报高企,所属技术领域包括:(医学影像AI、超声影像诊断、前列腺疾病筛查、智能辅助诊断、医疗图像处理、精准医疗、临床AI工具、泌尿外科智能设备)。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种深度学习结合传统学习的前列腺图像分割算法,对U‑Net模型引入了ASSP模块,改进后的U‑Net网络对前列腺图像进行粗分割,再通过改进的法向量边界算子对前列腺进行精分割;设计的基于半圆区灰度差对前列腺图像精分割的算法,对原Hodge算法中进行改进,扩大了单根法向量领域灰度信息,纳入了更多像素信息,设计了一种对前列腺边界上异位点检测重构的方法。通过单个点与之相邻的线段的斜率差来表示该点曲率,去自动判断是否为异位点;该方案解决了现有技术对于前列腺分割任务中,消耗大量时间,效率不足的问题,具有更为快速、精确的自动化分割效果,操作过程简单方便,分割结果清晰直观的特点。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
