申请/专利权人：华中科技大学

申请日：2024-01-18

公开（公告）日：2024-07-05

公开（公告）号：CN118298168A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/44;G06V10/82;G06N3/0895;G06T7/00;G06T7/12

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种医学图像语义分割方法及系统。所述语义分割方法包括：通过未进行危及器官标记的头颈部CT数据和已标记的CT数据组成的训练集对语义分割模型进行训练，并以已标记的CT数据对语义分割模型验证；所用语义分割模型包括两个均基于ResNet18编码器的UNet构成的子网络，并采用生成性前提任务跨领域预测策略获得不同领域的CT图像固有属性、采用交叉角度一致性预测策略从相同输入中独立学习不同的CT图像特征，采用基于正交的伪标签知识传递策略增强子网络间的知识传递和感知能力。本发明成功减轻了领域偏移并防止了网络崩溃，可得到更可靠的预测结果。

主权项：1.一种医学图像语义分割方法，其特征在于，其包括：S1获得若干含头颈部CT图像的CT数据；S2对所得CT数据进行数据处理，获得仅含有头颈部数据的数据集；所述数据处理包括非头颈部数据的去除及对部分CT数据进行危及器官标记，使其组成已标记数据集，其余CT数据组成未标记数据集，所述已标记数据集及未标记数据集共同组成所述数据集；S3随机选择一定比例的所述未标记数据集和所述已标记数据集中的CT数据组成训练集对语义分割模型进行训练；S4随机选择一定比例的所述已标记数据集中的CT数据组成验证集，通过评分指标对训练后的语义分割模型进行验证；S5通过验证后的语义分割模型进行头颈部CT图像分割；其中，所述语义分割模型包括两个子网络即第一子网络和第二子网络，所述第一子网络和所述第二子网络结构相同，均由基于ResNet18编码器的UNet构成，所述训练在生成性前提任务跨领域预测策略、交叉角度一致性预测策略及基于正交的伪标签知识传递策略下进行；其中，所述生成性前提任务跨领域预测策略包括：将所述训练集中的CT数据分别根据组织领域和骨骼领域的窗宽和窗位进行亨氏单位调整，对应生成组织领域图像数据和骨骼领域图像数据；将所述组织领域图像数据和骨骼领域图像数据送入语义分割模型的两个子网络中进行语义分割，获得各自的分割结果，并通过跨领域均方误差损失函数进行模型优化，该过程中，两个子网络不共享神经元参数；所述交叉角度一致性预测策略包括：在完成所述生成性前提任务跨领域预测策略后，将经其中一个子网络的编码器获得的编码特征向另一个子网络的特征空间进行空间映射，以映射后的特征作为另一个子网络的编码特征，再分别通过两个子网络的解码器获得各自的分割结果，并通过第一差异损失函数和分割损失函数进行模型优化；所述基于正交的伪标签知识传递策略包括：在完成所述交叉角度一致性预测策略后，使两个子网络均以对方的解码器的输出的分割结果作为标签进行训练，该过程中，通过正交损失函数和第二差异损失函数进行模型优化。

全文数据：

权利要求：

百度查询： 华中科技大学 一种医学图像语义分割方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD