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：西南科技大学

摘要：本发明公开了一种基于CT图像的胰腺肿瘤自动分割方法，该方法协同集成了允许扩展和领域无关的深度神经网络模型SegmentAnythingModelSAM和在特定领域的数据集上训练的，可以自动配置网络以适应特定的分割挑战的深度神经网络模型3DnnU‑Net形成最终的3DnnSAM神经网络分割模型。该模型以3DnnU‑Net作为主干网络，其编码器由两个并行编码器组成：3DnnU‑Net编码器和3DSAM编码器。3DSAM编码器用作即插即用插件，其参数在训练期间被冻结，将两个编码器的embedding级联，随后馈送到3DnnU‑Net的解码器以输出最终的分割图。本发明利用SAM的强大的特征提取及泛化功能，同时利用3DnnU‑Net的自动配置功能来适应特定的分割挑战，它允许少量学习的同时，实现更准确和鲁棒的医学图像分割效果。

主权项：1.一种基于CT图像的胰腺肿瘤自动分割方法，其特征在于，包括以下步骤：1收集胰腺癌患者的腹部CT图像数据，进行初步筛选并将CT图像数据集进行随机划分，形成训练集和测试集；2数据集预处理模块，利用采集到的胰腺癌患者腹部对比增强CT图像进行一系列预处理操作，勾画CT图像胰腺肿瘤分割的标签，利用最大最小归一化进行数据标准化处理，随后裁剪图像尺寸为统一大小，为后续训练测试图像分割模型做准备；3构建神经网络分割模型3DnnSAM，神经网络分割模型3DnnSAM协同集成允许扩展和领域无关的图像分割基础模型SAM和在特定领域的数据集上训练的，可以自动配置网络以适应特定的分割挑战的特定领域模型3DnnU-Net的优点；3.1在步骤3中所述的3DnnSAM模型，本发明仔细修改了SAM网络的各个模块，如Patchembedding、Positionalencoding、Attentionblock、Bottleneck等模块，使得SAM实现从2D到3D的整体适应，修改SegmentAnythingModelSAM模型为3DSAM模型，从而用于有效地从3D医学数据中提取丰富的3D空间信息；3.2在步骤3中所述的3DnnSAM模型，原始SAM利用位置embedding来表示提示符，上升到3D可能会导致token数量指数倍上升，使得概率趋于均匀分布，这使得promptembedding难以充分提取语义信息；为此，我们使用视觉采样器而不是位置embedding来表示提示；3.3在步骤3中所述的神经网络分割模型3DnnSAM，其编码器由3DnnU-Net编码器和步骤3.1所述的3DSAM模型的编码器并行组成；随后将两个编码器的embedding级联，馈送到3DnnU-Net的解码器，输出最终的分割图；从而实现精确分割胰腺肿瘤感兴趣区域结构，实现3DnnSAM神经网络分割模型的构建。

全文数据：

权利要求：

百度查询： 西南科技大学 一种基于CT图像的胰腺肿瘤自动分割方法