[发明专利]基于U-net网络结构的生物医学图像自动分割新方法有效
| 申请号： | 201811048857.5 | 申请日： | 2018-09-10 |
| 公开（公告）号： | CN109191476B | 公开（公告）日： | 2022-03-11 |
| 发明（设计）人： | 胡学刚;杨洪光;郑攀;王良晨 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11 |
| 代理公司： | 重庆辉腾律师事务所 50215 | 代理人： | 王海军 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像处理与计算机视觉技术领域，涉及基于U‑net网络结构的生物医学图像自动分割新方法，包括将生物医学数据集分为训练集和测试集，对测试集和扩增处理后的测试集进行归一化预处理；将训练集的图像输入改进的U‑net网络模型，输出图像经过softmax层生成分类概率图；通过集中性损失函数计算分类概率图与金标准的误差，通过梯度后向传播方法，获得网络模型的权重参数；将测试集中的图像输改进的U‑net网络模型，输出图像经过softmax层生成分类概率图；根据分类概率图中的类别概率，得到图像的分割结果图；本发明解决图像分割过程中简单样本对损失函数的贡献过大以至于不能很好学习困难样本等问题。 | ||
| 搜索关键词： | 基于 net 网络 结构 生物医学 图像 自动 分割 新方法 | ||
【主权项】：
1.基于U‑net网络结构的生物医学图像自动分割新方法，其特征在于，包括以下步骤：S1：将生物医学数据集分为训练集和测试集，对训练集进行数据扩增处理，并对测试集和扩增处理后的训练集进行归一化预处理；S2：将训练集的图像输入改进的U‑net网络模型，输出图像经过softmax层生成一个通道数为2的分类概率图，其中分类概率图与输入图像的分辨率相同；S3：通过集中性损失函数计算分类概率图与金标准的误差，并通过梯度后向传播方法，获得改进的U‑net网络模型的权重参数；S4：将测试集中的图像输入S3中训练好的改进的U‑net网络模型，输出图像经过softmax层生成分类概率图；S5：根据分类概率图中的类别概率，取概率最大的类别作为该像素位置的类别，得到图像的分割结果图。
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重庆邮电大学，未经重庆邮电大学许可，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/201811048857.5/，转载请声明来源钻瓜专利网。
