- 1、本文档共6页,其中可免费阅读5页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于深度学习的黑色素瘤图像分割方法,采用优化后的U‑Net分割网络与Diffusion概率扩散网络相结合,实现了对黑色素瘤图像的高效分割。本发明结合了深度学习和传统图像处理技术,显著提高了分割精度和速度,其准确率高于目前主流分割方法。为方便医生和患者查看分割结果与原始图像,本发明还采用可视化界面,便于分析和判断;界面支持数据导出,有利于后续研究与处理。通过提供API接口,本发明可以方便地集成到现有医疗系统和移动应用中,为临床医生提供实时、准确的辅助诊断工具,有助于提高诊断效率和降
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117218138A
(43)申请公布日2023.12.12
(21)申请号202311082748.6G06N3/08(2023.01)
文档评论(0)