[發明專利]一種基于雙向相關性的one-shot腦圖像分割方法有效
| 申請號： | 202011186634.2 | 申請日： | 2020-10-29 |
| 公開（公告）號： | CN112348786B | 公開（公告）日： | 2022-09-13 |
| 發明（設計）人： | 王連生 | 申請（專利權）人： | 廈門大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06V10/26;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 廈門致群財富專利代理事務所(普通合伙) 35224 | 代理人： | 劉兆慶 |
| 地址： | 361000 福建*** | 國省代碼： | 福建;35 |
| 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 雙向 相關性 one shot 圖像 分割 方法 | ||
本發明公開了一種基于雙向相關性的one?shot腦圖像分割方法，其包括以下步驟：構建圖像變換模型，圖像變換模型包括生成器GF、生成器GB及兩個判別器D，將圖集x及未標注影像y輸入生成器GF分流處理，得到前向映射ΔpF，通過判別器D區分開重建影像與未標注影像y，得到重建影像將重建影像及圖集x輸入生成器GB，得到后向映射ΔpB，通過判別器D區分開重建影像與圖集x，得到重建影像通過生成器GF、判別器D及生成器GB相互約束，得到最終的前向映射ΔpF并通過warp操作得到有標注重建影像本發明通過圖像變換模型同時學習圖集x到未標注影像y的前向映射以及未標注影像y到圖集x的后向映射，通過后向映射約束前向映射，提高了前向映射的準確度。
技術領域
本發明涉及醫學圖像分割技術領域，尤其涉及一種基于雙向相關性的one-shot腦圖像分割方法。
背景技術
腦解剖結構分割的常用方法有通過傳統機器學習分割，但傳統機器學習依賴于手工提取的特征，而這些特征具有有限的特征表示能力和泛化能力，于是開發了卷積神經網絡(CNN)學習，因為其完全由數據驅動，并且可以利用自學的高級特征自動檢索分層特征，消除了傳統機器學習方法中手工特征的局限性，借助充分的標注數據，卷積神經網絡在全監督的分割任務中具有較好的效果，使用基于前向相關性的分割算法，即改進分割網絡使其學習圖集x到未標注影像y的前向映射，學習到的相關性映射應用到圖集的標注上，可以得到未標注圖像y的標注，但是這樣的方法學習到的只是圖集x到未標注影像y的前向映射關系，只通過相似性損失和平滑損失對前向映射進行約束，其映射高度難以控制，導致其映射學習的準確度較低。
發明內容
本發明的目的在于提供一種基于雙向相關性的one-shot腦圖像分割方法，構建圖像變換模型，通過圖像變換模型同時學習圖集x到未標注影像y的前向映射以及未標注影像y到圖集x的后向映射，通過后向映射約束前向映射，提高了前向映射的準確度。
為實現上述目的，本發明采用以下技術方案：
一種基于雙向相關性的one-shot腦圖像分割方法，包括以下步驟：
S1、獲取腦解剖結構圖像并進行分類，得到已標注影像和未標注影像y，并將已標注影像劃分為圖集x；
S2、構建圖像變換模型，圖像變換模型包括生成器GF、生成器GB及兩個判別器D，生成器GF、生成器GB均匹配一判別器D，生成器GF與生成器GB結構相同均包括孿生編碼器及解碼器；
S3、將圖集x及未標注影像y輸入生成器GF分流處理，通過生成器GF的孿生編碼器提取相關特征圖并進行融合后輸入解碼器，解碼器與孿生編碼器相配合，得到圖集x到未標注影像y的前向映射ΔpF；
S4、將圖集x通過warp操作得到重建影像通過判別器D區分開重建影像與未標注影像y，判別器D與生成器GF進行對抗，使得生成器GF生成與未標注影像y相似的重建影像
S5、將重建影像及圖集x輸入生成器GB，通過生成器GB得到的孿生編碼器提取相關特征圖并進行融合后輸入解碼器，解碼器與孿生編碼器相配合，得到重建影像到圖集x的后向映射ΔpB；
S6、將重建影像通過warp操作得到重建影像通過判別器D區分開重建影像與圖集x，判別器D與生成器GB進行對抗，使得生成器GB生成與圖集x相似的重建影像
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廈門大學，未經廈門大學許可，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/202011186634.2/2.html，轉載請聲明來源鉆瓜專利網。
