科创中国
一种基于Unet模型的肺实质图像分割方法
发布时间: 2022-11-29
来源: 科技服务团
基本信息
合作方式：
技术服务
成果类型：
发明专利
行业领域：
电子信息技术,计算机及网络技术
成果介绍
本发明提供一种基于Unet模型的肺实质图像分割方法，解决了基于深度学习的肺实质分割模型复杂度高、运算量大和参数多的问题，属于医学图像处理领域。本发明包括：获取待分割的肺实质CT图像；图像预处理；建立LUnet网络结构：以原始Unet模型为基础，使用预激活的残差模块替代编码路径中原有的卷积模块，并在编码路径和解码路径中间引入多尺度上下文模块，同时减少网络层数和调整每层的通道数；利用预处理好的肺实质CT图像对LUnet网络进行训练；将待分割的肺实质CT图像测试集输入训练好的LUnet网络获取分割结果。实验结果表明本发明相较于其它经典语义分割模型，具有参数少、运算量小和精确度高等优点，实现了肺实质图像的快速分割。
成果亮点
本发明基于Unet模型，通过引入预激活的残差模块、多尺度上下文模块和减少网络层数、通道数量来对Unet模型进行改进。实验结果表明，相较于其他分割模型，本发明提出的LUNet模型性能优越且十分轻量，只需很少的运算量便可以实现更优的分割效果。
团队介绍
材料科学与化学工程学院现有教职工170人，其中新世纪百千万人才工程国家级人选1人，教育部新世纪人才1人，全国优秀教师1人，龙江学者3人，省杰青4人，省思政名师1人，省级教学师德标兵4人，黑龙江省研究生优秀导师团队2个，博士生导师25人，硕士生导师106人。
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2023-11-11
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2022-12-07
宋奇慧
千慧科技咨询服务有限公司
总经理
综合评价
针对目前基于深度学习的肺实质分割模型复杂度高、运算量大和参数多的问题，本发明提出一种基于Unet模型的肺实质图像分割方法。
本发明所诉的一种基于Unet模型的肺实质图像分割方法，包括以下步骤：
S1:获取待分割的肺实质CT图像；
S2:图像预处理；
S3:建立LUnet网络结构：
以原始Unet模型为基础，使用预激活的残差模块替代编码路径中原有的卷积模块，并在编码路径和解码路径中间引入多尺度上下文模块，同时减少网络层数和调整每层的通道数；
S4:利用预处理好的肺实质CT图像对LUnet网络进行训练；
S5:将待分割的肺实质CT图像测试集输入训练好的LUnet网络获取分割结果。
查看更多>
微信公众号
下载app
Copyright © 2022 中国科学技术协会 版权所有 | 京ICP备16016202号-20
京公网安备 11010202008974号