【技术实现步骤摘要】
本专利技术涉及轮廓分割，具体的是基于中性粒细胞簇及演化神经网络的分割方法及系统。
技术介绍
1、近年来，随着人工智能技术的发展，基于人工智能的前列腺分割模型可自动化分割前列腺超声图像，为医生提供便捷同时，也节省了医患的时间成本。为了解决由于超声图像质量低和阴影伪影带来的挑战，xu等人提出了一种具有阴影增强和阴影辍学两种新机制的阴影一致性半监督学习方法，但其分割的准确性受到系统误差的影响，且模型的鲁棒性较差。jiang等人将基于配准的粗分割方法与基于集成深度卷积网络的精细分割方法相结合，开发了一种从粗到细的前列腺分割框架，但该框架需要大量的计算资源，难以实现。wang等人将深度神经网络与注意力模块相结合，使用卷积神经网络不同层中编码的互补信息实现经直肠超声图像中的前列腺分割，然而，该方法的细化步骤无法耦合相邻特征节点，模型泛化能力弱。因此，需要提高超声图像中前列腺分割的准确性和效率。
技术实现思路
1、为解决上述
技术介绍
中提到的不足，本专利技术的目的在于提供基于中性粒细胞簇及演化神经网络的分
【技术保护点】
1.基于中性粒细胞簇及演化神经网络的分割方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的基于中性粒细胞簇及演化神经网络的分割方法，其特征在于，所述采样点集合为n个d维采样点集合Xn＝{x1,...,xn},xi∈Rd，采样点的矩阵表达形式为X＝[x1,...,xn]T，对采样点集合进行标准化处理的过程为：使用z评分标准化的方式将采样点集合调整到设定集合的范围内，其中，采样点(xi,yi)的标准化后的坐标(x′i,y′i)表达形式为：
3.根据权利要求1所述的基于中性粒细胞簇及演化神经网络的分割方法，其特征在于，所述将标准采样点集合...
【技术特征摘要】
1.基于中性粒细胞簇及演化神经网络的分割方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的基于中性粒细胞簇及演化神经网络的分割方法，其特征在于，所述采样点集合为n个d维采样点集合xn＝{x1,...,xn},xi∈rd，采样点的矩阵表达形式为x＝[x1,...,xn]t，对采样点集合进行标准化处理的过程为：使用z评分标准化的方式将采样点集合调整到设定集合的范围内，其中，采样点(xi,yi)的标准化后的坐标(x′i,y′i)表达形式为：
3.根据权利要求1所述的基于中性粒细胞簇及演化神经网络的分割方法，其特征在于，所述将标准采样点集合映射到中性粒领域内，得到数据集，将数据集分为真集tc、不确定集ic、和假集fc；
4.根据权利要求1所述的基于中性粒细胞簇及演化神经网络的分割方法，其特征在于，所述对数据集进行过滤得到过滤后的数据集的过程：
5.根据权利要求1所述的基于中性粒细胞簇及演化神经网络的分割方法，其特征在于，所述对于过滤后的数据集进行判断并带宽更新的过程：
6.根据权利...
【专利技术属性】
技术研发人员：彭涛，鲁凡，陈新建，向德辉，朱伟芳，聂宝清，
申请(专利权)人：苏州大学，
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。