[發明專利]一種基于弱監督的大腦磁共振圖像分割方法有效
| 申請號: | 202011060583.9 | 申請日: | 2020-09-30 |
| 公開(公告)號: | CN112508844B | 公開(公告)日: | 2022-11-18 |
| 發明(設計)人: | 孔佑勇;孫君校;吳飛;伍家松;楊冠羽;舒華忠 | 申請(專利權)人: | 東南大學 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06T7/10;G06T7/30 |
| 代理公司: | 南京眾聯專利代理有限公司 32206 | 代理人: | 葉涓涓 |
| 地址: | 211189 *** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 監督 大腦 磁共振 圖像 分割 方法 | ||
1.一種基于弱監督的大腦磁共振圖像分割方法,其特征在于,包括如下步驟:
步驟1,使用超體素匹配方法實現待分割圖像與參考圖像之間的匹配;
步驟1-1,根據簡單線性迭代算法生成圖像的超體素;
步驟1-2,超體素匹配方法,包括如下子步驟:
步驟1-2-1,提取超體素特征并度量相似性,使用SuperPatch表示超體素,通過計算兩個超體素對應的SuperPatch之間的距離來表示它們的特征相似性;
步驟1-2-2,采用基于位置先驗的超體素匹配方法找到每個超體素的最近鄰超體素;
步驟1-3,選擇高置信度的超體素組成種子區域;
步驟2,設計一種BTSNet模型,該模型結合ResNeXt模塊、ASPP模塊和SELU激活函數,以選擇的種子區域作為監督標簽,指導網絡訓練,獲得圖像每個體素的類別概率;
步驟3,采用深度種子區域增長方法,以當前種子區域為基礎,使用卷積網絡輸出的類別概率,更新種子區域;
步驟4,采用更新后的種子區域標簽再來訓練BTSNet;不斷進行步驟2和步驟3,直至達到指定的迭代次數。
2.根據權利要求1所述的基于弱監督的大腦磁共振圖像分割方法,其特征在于,所述步驟1-2-1包括如下過程:
設圖像為A,A由n個超體素組成,即A=(Ai}i∈1,...n;對于超體素Ai,它對應的SuperPatchAi表示為Ai={Ai′,||ci-ci′||≤R},表示Ai相鄰的超體素Ai′的中心ci′與Ai的中心ci距離不大于設定的R時,Ai′屬于Ai;Ai中超體素索引的集合為假設待分割圖像為A,參考圖像為B,A中的超體素Ai對應的超體素SuperPatch為Ai和B中的超體素Bj對應SuperPatch為Bj,Ai和Bj的SuperPatch距離計算如公式(1)所示:
其中表示超體素Ai′和Bj′的特征向量,d表示歐式距離;ω為權重,由Ai′和Bj′的相對位置決定;ω的計算如公式(2)(3)(4)所示:
其中xi′j′=cj′-ci′+vij表示ci′和cj′的相對距離,vij=ci-cj表示Ai和Bj的中心的相對距離;ωs(Ai′)根據空間距離關系衡量Ai′對Ai的重要性;ωs(Bj′)根據空間距離關系衡量Bi′對Bi的重要性;σ1和σ2為兩個縮放參數。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于東南大學,未經東南大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011060583.9/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:汽車轉向角機構及包括其的汽車
- 下一篇:一種自助辦證顯示設備





