【技术实现步骤摘要】
本专利技术涉及神经网络架构，具体为一种可以用于直接分割医学数据的神经网络框架。
技术介绍
1、医学图像分割是从ct或mri等医学诊断中用到的图像中识别器官或病变的像素点，这是医学图像分析中最具有挑战性的任务之一，其目的是提取有关这些器官或者组织的形状和体积的关键信息。许多研究人员应用现有的技术提出了各种自动分割系统，早期主要采用的是机器学习的方法来提取这些器官的信息。
2、从2000年代开始，由于计算机硬件设备的进步，深度学习方法开始崭露头角，并开始展示其在图像处理任务中的强大能力。拥有光明前途的深度学习方法已经成为图像分割领域中一个重要的组成部分，特别是在医学图像分割领域。
3、医学图像分割的目的是使图像中解剖或病理结构的变化更加清晰，它在计算机辅助诊断和智能医疗中发挥着至关重要的作用，极大地提高了诊断的效率和准确性。目前流行的医学图像分割任务包括肝脏和肝脏肿瘤分割，脑和脑肿瘤分割，细胞分割，肺分割等。
4、为了帮助临床医生做出准确的诊断，有必要对医学图像中的一些关键目标进行分割，并从分割区域中提取...
【技术保护点】
1.一种可以用于直接分割医学数据的神经网络框架，其特征在于，该神经网络框架的具体步骤流程如下：
2.根据权利要求1所述的一种可以用于直接分割医学数据的神经网络框架，其特征在于：所述步骤一中，医疗图像数据集首先按照9：1划分为训练集和验证集。
3.根据权利要求1所述的一种可以用于直接分割医学数据的神经网络框架，其特征在于：所述步骤二中，以Unet模型为基本网络架构的nnunetv2模型，nnunetv2网络会根据数据生成数据指纹和管道指纹，可以充分利用数据集的特点用来训练Cascade-Unet模型。
4.根据权利要求1所述的一种可以...
【技术特征摘要】
1.一种可以用于直接分割医学数据的神经网络框架，其特征在于，该神经网络框架的具体步骤流程如下：
2.根据权利要求1所述的一种可以用于直接分割医学数据的神经网络框架，其特征在于：所述步骤一中，医疗图像数据集首先按照9：1划分为训练集和验证集。
3.根据权利要求1所述的一种可以用于直接分割医学数据的神经网络框架，其特征在于：所述步骤二中，以unet模型为基本网络架构的nnunetv2模型，nnunetv2网络会根据数据生成数据指纹和管道指纹，可以充分利用数据集的特点用来训练cascade-unet模型。
4.根据权利要求1所述的一种可以用于直接分割医学数据的神经网络框架，其特征在于：所述步骤三中，对训练集数据进行旋转、翻转等操...
【专利技术属性】
技术研发人员：郝前钰，廖丰，张天巍，张保江，
申请(专利权)人：湖南点头教育科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。