[发明专利]一种基于深度学习的免交互式GrabCut舌体分割方法在审
| 申请号： | 201711133796.8 | 申请日： | 2017-11-16 |
| 公开（公告）号： | CN108109160A | 公开（公告）日： | 2018-06-01 |
| 发明（设计）人： | 王丽冉;汤一平;何霞;陈朋;袁公萍;金宇杰 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06T7/162 | 分类号： | G06T7/162;G06T7/194 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的免交互式GrabCut舌体分割方法，包括用于舌整体特征提取的深度卷积神经网络、用于对舌体区域初步检测的感兴趣区域定位网络、用于对感兴趣区域进行深层抽象特征提取的深度卷积神经网络以及用于对舌象进行分割的GrabCut算法。本发明有效的解决了现有的GrabCut算法在对舌体进行分割时过分依赖于人工交互的问题，提高了GrabCut算法在舌体分割中的自动化程度。 | ||
| 搜索关键词： | 舌体 分割 卷积神经网络 感兴趣区域 抽象特征 定位网络 人工交互 舌体区域 整体特征 舌象 自动化 学习 检测 | ||
【主权项】：
1.一种基于深度学习的免交互式GrabCut舌体分割方法，其特征在于：包括用于舌整体特征提取的深度卷积神经网络、用于对舌体区域初步检测的感兴趣区域定位网络、用于对感兴趣区域进行深层抽象特征提取的深度卷积神经网络以及用于对舌象进行分割的GrabCut算法；所述的用于舌整体特征提取的深度卷积神经网络，作为整个网络模型的基础网络，共分为五层，由卷积层、激活层和池化层交替构成的深度结构，隐式地从给定的舌像数据中进行无监督学习，避免了人工进行显式的特征提取；所述的用于对舌体区域初步检测的感兴趣区域定位网络，即RPN网络，对舌面上不同属性对应的区域进行检测和划分，得到舌体的候选区域；所述的用于对感兴趣区域进行深层抽象特征提取的深度卷积神经网络，由全连接层组成，对上一阶段得到的舌体的候选区域进行深层特征提取，输入区域在网络中进行层层映射，得到不同的表示形式，提取其抽象特征，从而实现对舌象的深度表示，得到舌体定位的结果；所述的对舌象进行分割的GrabCut算法，将上述得到的舌体定位框作为输入，从而区分出舌象图的前景和背景，进而在无需人工交互的前提下完成舌体的自动分割。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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浙江工业大学，未经浙江工业大学许可，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/patent/201711133796.8/，转载请声明来源钻瓜专利网。
