买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了一种基于风格提取和对齐的无监督域自适应医学语义分割方法，包括如下步骤：步骤1、获取医学图像数据集；步骤2、构建风格提取和对齐网络模型；步骤3、对风格提取和对齐网络模型进行训练；步骤4、读取风格提取和对齐网络模型中训练好的特征编码器S、分类器C1和分类器C2构成生成器G，读入单张医疗图像I，并将单张医疗图像I输入生成器G中进行前向推理，得医学图像I得语义分割结果P。该方法无需额外参数及额外的标签，并能有效泛化语义分割模型的分割能力，从而克服了现有医学语义分割处理方法标注成本高昂及泛化能力不足的问题。

主权项：1.一种基于风格提取和对齐的无监督域自适应医学语义分割方法，其特征在于，包括如下步骤：步骤1、获取医学图像数据集；步骤2、构建风格提取和对齐网络模型，所述提取和对齐网络模型包括图像分割模块、风格对齐模块和分割提取模块，所述图像分割模块包含特征编码器S、分类器C1和判别器D；所述风格对齐模块包含两个判别器DAlig_S和DAlig_T；所述风格提取模块包含判别器DSty和分类器C2；所述医学图像数据集中的单张医学图像I输入特征编码器S，输出为对应提取特征图x，所述特征图x属于源域图像或目标域图像；所述提取特征图x输入分类器C1为输出为图像I的语义分割结果Pn；所述语义分割结果Pn输入判别器D，输出判断输入的图像来源，输入为源域图像特征则输出为Source；输入为目标域图像特征，则输出为Target；步骤3、对风格提取和对齐网络模型进行训练：步骤3.1、从本地文件中读入特征编码器S、判别器D、判别器DAlig_S、判别器DAlig_T、判别器DSty的预训练参数，并对分类器C1和C2进行初始化；步骤3.2、获取已知的源域数据集和目标域数据集，分别从源域数据集和目标域数据集随机读取n张样本作为训练样本S＝{si|i＝1,2,3,…,n,si＝IiS,IiT,liS}，IiS和IiT分别表示第i对训练样本si中的源域图像和目标域图像，liS为源域图像IiS的语义分割标签；步骤3.3、将训练样本si依次输入风格提取和对齐网络模型中进行模型训练；步骤4、读取风格提取和对齐网络模型中训练好的特征编码器S、分类器C1和分类器C2构成生成器G，读入单张医疗图像I，并将单张医疗图像I输入生成器G中进行前向推理，得医学图像I得语义分割结果P。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于风格提取和对齐的无监督域自适应医学语义分割方法