欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022104158517
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.融合残差Inception与双向ConvGRU的皮肤病变分割方法,其特征在于,包括以下步骤:步骤1、构建云边协同的皮肤病变智能分割服务网络;

步骤2、基于所述分割服务网络,构建一个基于U‑Net的皮肤病变智能分割模型;

步骤3、将采集的图像输入基于改进的残差Inception的编码器,提取图像特征;

步骤4、将编码器输出的特征图输入基于改进的残差Inception与双向ConvGRU的解码器,双向ConvGRU模块融合编码器产生的和解码器的上采样产生的特征图,由解码器输出分割结果。

2.根据权利要求1所述的融合残差Inception与双向ConvGRU的皮肤病变分割方法,其特征在于,所述编码器包含四个结构相同的编码器子模块,每个编码器子模块包括两个残差Inception模块、一个线性整流函数的激活函数及一个用于实现下采样的2×2最大池化层。

3.根据权利要求2所述的融合残差Inception与双向ConvGRU的皮肤病变分割方法,其特征在于,所述残差Inception模块包含三个1×1卷积核与三个3×3卷积核;前层的输出经过三组不同的卷积操作后,得到具有三组不同感受野的特征图;三组特征图进行拼接后,前层输出的特征图经过残差连接与之相加;残差连接的实现定义为:m=F(n,{ci})+n

其中,n与m是残差Inception模块的输入与输出,F函数表示残差Inception模块中的各个操作,ci表示各个卷积操作的权重,i为1‑k的数值,k为Inception模块中卷积核的总数。

4.根据权利要求1所述的融合残差Inception与双向ConvGRU的皮肤病变分割方法,其特征在于,所述解码器包含四个结构相同的解码器子模块,每个解码器子模块包括一个双向ConvGRU模块、三个残差Inception模块和在Inception模块后的一个Relu激活函数层,每个解码器子模块之后有一个批标准化层及一个用于上采样的2×2反卷积层。

5.根据权利要求4所述的融合残差Inception与双向ConvGRU的皮肤病变分割方法,其特征在于,所述双向ConvGRU包括一个前向ConvGRU与一个后向ConvGRU,前向ConvGRU从左至右控制序列,后向ConvGRU从右至左控制序列;

前向隐藏状态 与后向隐藏状态 分别与对应权重相乘,并将结果相加得到最终的隐藏状态ht,即双向ConvGRU的最终输出结果为yt:其中, 与 分别对应输出层中前向ConvGRU与后向ConvGRU的权重。

6.根据权利要求1所述的融合残差Inception与双向ConvGRU的皮肤病变分割方法,其特征在于,步骤1中,所述分割服务网络包括用户、边缘服务器、云服务器和医疗机构;

所述用户上传图像至边缘服务器;

所述边缘服务器接收云服务器的训练参数后为用户提供分割服务;边缘服务器将图片输入至分割模型,然后将接收到的分割结果发送至用户,并同时存储诊断业务中的样本;对置信度高的分割结果,边缘服务器存储该结果及原始图片,对置信度低分割结果,边缘服务器将该结果及原始图像发送至医疗机构校正,经过校正的样本将发送至边缘服务器进行存储,边缘服务器中的新样本作为扩充的训练样本用于后续的模型的训练;

所述云服务器对医疗机构提供的数据集进行训练,并将训练参数上传到边缘服务器;

所述医疗机构为云服务器中的模型训练模块提供训练样本,并对边缘服务器中分割结果置信度较低的样本进行校正,然后将校正好的样本反馈给边缘服务器。