[发明专利]一种基于图神经网络和U-Net深度学习框架医学图像分割方法在审
| 申请号： | 202310238217.5 | 申请日： | 2023-03-13 |
| 公开（公告）号： | CN116245852A | 公开（公告）日： | 2023-06-09 |
| 发明（设计）人： | 姜源泓;张小群;王宇光;丁乔乔 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/25;G06V10/26;G06V10/82;G06V10/32;G06N3/08;G06N3/0464 |
| 代理公司： | 上海旭诚知识产权代理有限公司 31220 | 代理人： | 郑立 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 神经网络 net 深度 学习 框架 医学 图像 分割 方法 | ||
1.一种基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，包括以下步骤：
步骤1、输入图像；
步骤2、图像正则化处理；
步骤3、在目标图像域获取正则化图像的训练集，对VGU-Net模型进行训练调优，获取到在验证集上表现最佳的模型；
步骤4、利用训练完成的VGU-Net模型预测输入图像的分割结果。
2.如权利要求1所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述步骤1输入图像包括JPG格式、PNG格式、DCM格式。
3.如权利要求1所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述步骤2包括图像均一化和尺寸缩放处理。
4.如权利要求1所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述步骤2包括针对DCM格式图像，进行像素值取反操作。
5.如权利要求1所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述步骤2包括对图像进行双线性插值缩放。
6.如权利要求1所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述步骤3，VGU-Net模型融合了卷积神经网络和图神经网络。
7.如权利要求6所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述卷积神经网络采用U-Net网络框架。
8.如权利要求6所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述图神经网络采用了图卷积神经网络。
9.如权利要求6所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述卷积神经网络提取图像特征。
10.如权利要求6所述的基于图神经网络和U-Net深度学习框架医学图像分割方法，其特征在于，所述图神经网络对图像特征进行交互，传递信息。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202310238217.5/1.html，转载请声明来源钻瓜专利网。
