
基本信息:
- 专利标题: 一种空腔器官图像分割的方法与系统
- 申请号:CN202410374886.X 申请日:2024-03-29
- 公开(公告)号:CN118172552A 公开(公告)日:2024-06-11
- 发明人: 刘洋 , 贺宇涛 , 郑尧
- 申请人: 中国人民解放军空军军医大学
- 申请人地址: 陕西省西安市新城区长乐西路169号
- 专利权人: 中国人民解放军空军军医大学
- 当前专利权人: 中国人民解放军空军军医大学
- 当前专利权人地址: 陕西省西安市新城区长乐西路169号
- 代理机构: 陕西铭一知识产权代理有限公司
- 代理人: 李健
- 主分类号: G06V10/26
- IPC分类号: G06V10/26 ; G06V10/82 ; G06V10/774 ; G06N3/0455 ; G06N3/0464 ; G06N3/0895 ; G06N3/09
摘要:
本发明公开了一种空腔器官图像分割方法与系统,涉及影像分割技术领域,包括步骤:收集具有腔内物质的空腔器官影像数据集;利用U‑net算法将影像数据集中的图像分割为空腔和空腔容纳的物质,并将空腔和物质投影到极坐标中,通过空腔和物质极坐标的差获得空腔壁区域;引入自监督训练的BYOL架构,使用对比和重建损失强化空腔壁区域,获得空腔壁区域的权重;使用标签质量高于阈值的图像与转移权重对深度学习模型进行监督训练,通过训练结果构建图像的全景分割模型;利用全景分割模型对具有腔内物质的待分割图像进行分割,获得分割腔内物质后的空腔器官图像。本发明中U‑net算法不仅能够提高网络对空腔器官边界的识别能力,摆脱了深度模型对大量数据的依赖性的同时,还对图像分割达到了较好的效果。