| 专利号 | 2017107637279 | 申请日 | 2017-08-30 | 专利名称 | 基于显著性学习卷积神经网络的脑部图像分割方法及系统 |
| 授权日 | 2020-01-17 | 专利权人 | 山东大学 | 发明人 | 尹义龙;袭肖明;杨公平;孟宪静;杨璐 |
| 主分类号 | G06K9/32 | 关键词 | 应用领域 | ||
| 摘要 | 本发明公开了基于显著性学习卷积神经网络的脑部图像分割方法及系统，首先提出了一种显著性学习方法，来获取MR图像的显著性映射图。基于显著性映射图，进行显著性增强变换，获得显著性增强的图像。将显著性增强的图像分成若干图像块，训练卷积神经网络，作为最后的分割模型。在本发明中，显著性学习模型能够产生显著性映射图，该类信息是基于目标的空间位置获取的，与图像的灰度信息无关，显著性信息能够明显的加强目标的显著性，提高目标类和背景类的区分性，对于灰度不同质性具有一定的鲁棒性。因此，基于显著性增强图训练出的卷积神经网络能够学到显著性增强图的区分性信息，从而较为有效地解决脑部MR图像中的灰度不同质性问题。 | ||||
| 创新点 | |||||
| 技术分类 | 标 签 | 战兴产业 | 新一代信息技术 下一代信息网络产业 | ||
| 运营方式 | 合作方式 | ||||
| 联系人 | 联系电话 | 电子邮箱 | |||
| 详细说明 | |||||
