本发明公开了一种基于生成对抗网络的肝脏肿瘤图像增广方法，首先构建训练样本，然后构建生成对抗网络模型，生成对抗网络模型包括生成器和判别器，对生成对抗网络模型进行训练，利用得到的训练样本和生成肿瘤图像对构建的生成对抗网络模型进行迭代训练，通...

本发明公开了一种基于无监督学习的医学图像肝脏分割方法，首先取原始计算机断层扫描的腹部图像，通过人工标记出肝脏区域掩膜图像，组成训练集、测试集，对训练集中的图像数据进行归一化预处理，然后通过叠加两个带有AttentionGate的UNET...

本发明公开了一种基于深度学习的肺叶图像分割方法，首先获取肺部CT图像，并将肺部CT图像中的肺叶和血管进行标注得到数据集；并对数据集进行预处理操作，包括提取得到3D图像，并对该3D图像进行包含随机位移的线性变换得到训练集图像；之后构建构建...

本发明公开了一种基于反向注意力网络的图像分割方法，首先获取图像数据集，构建训练集和测试集；然后构建反向注意力网络模型，反向注意力网络模型的处理过程包括图像经过多个卷积层逐层编码依次得到不同层次的输出特征层，利用不同层次的输出特并行拼接聚...

本发明公开了一种基于深度学习的肝脏血管图像分割方法，首先获取原始计算机断层扫描图像，通过人工标记出肝脏血管区域掩膜图像，并对第一3D图像分割模型进行训练，利用第一3D图像分割模型，得到第一3D图像分割模型分割结果，并基于该结果标记为漏分...

本发明公开了一种基于细节保持网络的图像分割方法，属于医学图像处理领域，首先获取图像数据集，通过预处理构建训练集图像和测试集图像；然后构建细节保持网络模型，细节保持网络模型包括初始卷积块、细节保持块和多个残差细节保持块，其中细节保持块和多...

本发明公开了一种肝脏肿瘤图像分割模型训练方法，首先获取肝脏CT图像，对肝脏CT图像进行预处理操作得到样本图像和肿瘤斑块图像，然后进行肿瘤图像分割模型具体训练：一阶段，将样本图像输入预设的图像分割模型中进行训练，得到训练完成的第一肿瘤图像...

本发明公开了一种基于MR和CT的多模态肝脏肿瘤分割方法，首先获取原始腹部MR影像序列和原始腹部CT影像序列，并对原始腹部MR影像序列和原始腹部CT影像序列进行预处理操作得到多模态影像序列，然后构建卷积神经网络模型以及数据集，利用数据集中...

本发明公开了一种基于深度学习的肝脏图像分割方法，首先获取腹部CT图像作为数据集，并将肝脏图像进行标注得到肝脏掩模图像，然后对数据集进行预处理操作；构建包括粗分割神经网络和细分割神经网络的肝脏图像分割模型，利用训练集及对应的肝脏掩模图像对...

本发明公开了一种基于深度学习的胆管图像分割方法，首先将获取腹部CT图像，并将腹部CT图像中的肝内扩张胆管图像进行标注得到数据集；并对数据集进行预处理操作，包括设置数据集灰度值的上下阈值，计算得到数据集灰度值的均值和方差，根据得到的均值和...

本发明公开了一种血管图像分割方法，首先获取原始血管图像并进行预处理，得到训练集图像；然后利用预处理得到的训练集图像输入神经网络模型进行训练，本发明中的神经网络模型包括编码模块、解码模块以及残差模块，解码模块中注意块的输入具体包括来自编码...

本发明公开了一种基于多分辨率残差网络的图像分割方法，首先获取CT图像数据，并将获取的CT图像数据分为训练集和验证集；然后构建多分辨率残差网络模型，多分辨率残差模型为U‑Net网络结构，包括残差连接块和多分辨率残差特征流，每个残差连接块可...

本发明公开了一种基于级联混合网络的肝脏病变图像分割方法，该方法首先通过2D卷积神经网络对获取到的腹部CT图像进行处理，得到带有训练集和测试集的肝脏区域图像；构建包括了用于分割肝脏CT图像中大病灶的2D卷积神经网络和用于分割肝脏中小病灶的...

本发明公开了一种肾脏肿瘤图像分割方法，首先获取原始肾脏图像数据集，对所述原始肾脏图像数据集执行预处理操作，得到肾脏图像训练集和测试集；然后利用处理得到的肾脏图像训练集输入到预训练的肾脏肿瘤图像分割模型中，其中采用的肾脏肿瘤图像分割模型包...

本发明公开了一种肝脏CT图像分割方法及系统，该方法首先获取CT图像，利用卷积神经网络编码器提取出CT图像的不同层次特征，并进行相邻层次关联，解码获得多层次特征图，通过对准块进行对齐，并调整到输入时的最高分辨率；将调整后的多层次特征图与全...

本发明公开了一种基于生成对抗网络的肝脏肿瘤图像样本增广方法，首先构建成对的训练集，然后构建生成对抗网络模型，生成对抗网络模型包括生成器和判别器，对生成对抗网络模型进行训练，从肝脏肿瘤的CT切片数据集中提取一个随机肝脏肿瘤图像，对随机肝脏...

本发明公开了一种基于卷积神经网络的脑肿瘤图像分割方法，首先获取3D大脑图像，对3D大脑图像进行切片边界裁剪和识别删除无肿瘤切片得到训练集和测试集；然后利用处理得到的训练集训练卷积神经网络模型，其中采用的卷积神经网络模型基于Unet网络，...

本发明公开了一种基于CT图像的肝脏血管分割方法，首先获取原始3D肝脏图像并进行预处理，得到训练集；然后利用预处理得到的训练集训练3D卷积神经网络，其中采用的3D卷积神经网络采用Unet网络结构，编码器设置有侧输出层对卷积网络体系体系结构...