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：河北工程大学

摘要：本发明公开了一种基于压缩‑激励网络的半监督左心房分割方法，涉及医学影像处理技术领域。本发明与之前的医学影像处理方法相比，改进了现有方法低估了训练期间未标记区域的重要性；未在训练过程中对未标记的区域加以强调；特征图在提取过程中，针对特征图层作用不均的问题，本文引入SE模块，并与卷积块堆叠形成新的模块，通过自适应地对每个通道进行加权，以根据任务的需求强调或抑制不同的通道特征。有助于提取具有较强表征能力的特征，从而提高网络的性能和泛化能力。基于鼓励三个解码器具有一致和低熵的预测，使模型能够从未标记的挑战性区域中逐渐捕获广义特征。基于循环伪标签方案，通过鼓励相互一致性来促进模型训练。

主权项：1.一种基于压缩-激励网络的半监督左心房分割方法，其特征在于，包括如下步骤：S1：对左心房磁共振图像数据进行预处理操作，将处理后的图像保存在h5文件中，作为半监督分割神经网络的输入；S2：将S1中所得的预处理后的左心房磁共振图像数据输入至预设位置，运行SETC-Net，准备进行分割预测任务；S3：SETC-Net读取左心房磁共振图像数据，并对左心房磁共振图像数据进行数据增强操作，再将左心房磁共振图像数据传递到SETC-Net中进行分割预测和调整；S4：降低左心房磁共振图像数据的像素级标签的数量，重复S1-S3，观察和评估SETC-Net的性能；S3中所述SETC-Net由一个编码器和三个解码器组成，所述三个解码器从编码器处接收相同的深度特征，分别进行训练预测生成三个分割预测结果、、，再将预测结果与标签图对照，从而计算出相应的左心房磁共振图像数据的分割概率输出、、，三个解码器分割预测过程中的损失函数基于加权方式获得；其中，三个解码器基于循环伪标签方案进行相互学习和训练，对左心房磁共振图像数据进行低熵一致性的分割预测；所述损失函数将分割损失和一致性损失进行加权获得；所述分割损失具体如下： 其中，、、分别为三个编码器的分割损失；所述一致性损失具体如下： 其中，为第一个编码器相对于第二个编码器的一致性损失；为第一个编码器相对于第三个编码器的一致性损失；为第二个编码器相对于第一个编码器的一致性损失；为第二个编码器相对于第三个编码器的一致性损失；为第三个编码器相对于第一个编码器的一致性损失；为第三个编码器相对于第二个编码器的一致性损失；最后根据输入的不同的左心房磁共振图像数据与对应预测的结果对SETC-Net进行调整；所述编码器中，将SE模块与V-Net中的卷积块堆叠，形成一个新的SEConv模块，使用SEConv模块替换V-Net中第一层和第二层的卷积块；所述SE模块通过自适应平均池化操作获取特征图的每个通道的重要程度，再通过所述每个通道的重要程度为每个特征图赋予权重值；再通过线性处理对通道数进行压缩，通过ReLU函数激活，再进行一次线性处理，将通道数激励放大；基于Sigmoid函数进行激活，最后将权重值与原本的特征图相乘得到新的特征图；所述三个解码器中，第一个解码器采用V-Net的原始转置卷积进行上采样；第二个解码器经过三线性插值扩展特征图，再通过3D卷积处理后进行传递；第三个编码器经过最临近插值处理后再进行正常的3D卷积；所述第二个解码器和所述第三个编码器为辅助分类器。

全文数据：

权利要求：

百度查询： 河北工程大学 一种基于压缩-激励网络的半监督左心房分割方法