[發(fā)明專利]一種基于輔助學(xué)習(xí)任務(wù)與重分割約束的醫(yī)學(xué)圖像分割方法在審
| 申請(qǐng)?zhí)枺?/td> | 202210162154.5 | 申請(qǐng)日: | 2022-02-22 |
| 公開(公告)號(hào): | CN114529562A | 公開(公告)日: | 2022-05-24 |
| 發(fā)明(設(shè)計(jì))人: | 屈磊;周文瓊;吳軍;歐陽磊;陶在洋;尚宏偉;趙婧雨;洪思成 | 申請(qǐng)(專利權(quán))人: | 安徽大學(xué) |
| 主分類號(hào): | G06T7/11 | 分類號(hào): | G06T7/11;G06N3/04;G06N3/08 |
| 代理公司: | 合肥國(guó)和專利代理事務(wù)所(普通合伙) 34131 | 代理人: | 張祥騫 |
| 地址: | 230601 安徽省*** | 國(guó)省代碼: | 安徽;34 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 輔助 學(xué)習(xí) 任務(wù) 分割 約束 醫(yī)學(xué) 圖像 方法 | ||
1.一種基于輔助學(xué)習(xí)任務(wù)與重分割約束的醫(yī)學(xué)圖像分割方法,其特征在于:該方法包括下列順序的步驟:
(1)對(duì)三維人腦核磁共振數(shù)據(jù)進(jìn)行預(yù)處理,得到訓(xùn)練集和測(cè)試集;
(2)構(gòu)建基于輔助學(xué)習(xí)任務(wù)與重分割約束的分割網(wǎng)絡(luò);
(3)將訓(xùn)練集輸入分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到訓(xùn)練好的分割網(wǎng)絡(luò);
(4)將測(cè)試集輸入訓(xùn)練好的分割網(wǎng)絡(luò),分割網(wǎng)絡(luò)輸出得到分割結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于輔助學(xué)習(xí)任務(wù)與重分割約束的醫(yī)學(xué)圖像分割方法,其特征在于:所述步驟(1)具體包括以下步驟:
(2a)所述三維人腦核磁共振數(shù)據(jù)包括四種模態(tài):T1、T1c、T2和FLAIR,將四種模態(tài)的三維人腦核磁共振數(shù)據(jù)進(jìn)行合并,其中這四種模態(tài)數(shù)據(jù)的原始尺寸為240*240*155,生成尺寸為4*240*240*155大小的四通道三維數(shù)據(jù),其中4表示模態(tài)數(shù)量,155表示每個(gè)三維人腦核磁共振數(shù)據(jù)中含有的二維切片數(shù)目,240*240分別表示圖像的高度和寬度;
(2b)對(duì)合并后的三維人腦圖像數(shù)據(jù)由nii格式轉(zhuǎn)換為numpy格式;
(2c)對(duì)轉(zhuǎn)換后的數(shù)據(jù)采用零-均值規(guī)范化方法進(jìn)行歸一化處理;
(2d)根據(jù)隨機(jī)劃分將歸一化處理后的圖像以7:3的比例劃分為訓(xùn)練集和測(cè)試集;
(2e)將訓(xùn)練集進(jìn)行隨機(jī)裁剪,得到4*128*128*128的尺寸大小的訓(xùn)練集數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于輔助學(xué)習(xí)任務(wù)與重分割約束的醫(yī)學(xué)圖像分割方法,其特征在于:在步驟(2)中,所述分割網(wǎng)絡(luò)包括第一編碼模塊、第二編碼模塊、第一解碼模塊、第二解碼模塊和第三解碼模塊;
所述第一編碼模塊和第二編碼模塊均由四個(gè)卷積塊和三個(gè)最大池化下采樣層組成,所述四個(gè)卷積塊包括第一卷積塊、第二卷積塊、第三卷積塊和第四卷積塊,所述第一卷積塊包括第一卷積層、第一批量歸一化層、第一修正線性單元激活層、第二卷積層、第二批量歸一化層和第二修正線性單元激活層;所述第二卷積塊包括第三卷積層、第一批量歸一化層、第一修正線性單元激活層、第四卷積層、第二批量歸一化層和第二修正線性單元激活層;所述第三卷積塊包括第五卷積層、第一批量歸一化層、第一修正線性單元激活層、第六卷積層、第二批量歸一化層和第二修正線性單元激活層;所述第四卷積塊包括第七卷積層、第一批量歸一化層、第一修正線性單元激活層、第八卷積層、第二批量歸一化層和第二修正線性單元激活層;所述三個(gè)最大池化下采樣層包括第一最大池化下采樣層、第二最大池化下采樣層和第三最大池化下采樣層;
所述第一解碼模塊、第二解碼模塊和第三解碼模塊均由三個(gè)反卷積塊和三個(gè)上采樣層組成,所述三個(gè)反卷積塊包括第一反卷積塊、第二反卷積塊和第三反卷積塊,所述第一反卷積塊包括第九卷積層、第三批量歸一化層、第三修正線性單元激活層、第十卷積層、第四批量歸一化層和第四修正線性單元激活層;所述第二反卷積塊包括第十一卷積層、第三批量歸一化層、第三修正線性單元激活層、第十二卷積層、第四批量歸一化層和第四修正線性單元激活層;所述第三反卷積塊包括第十三卷積層、第三批量歸一化層、第三修正線性單元激活層、第十四卷積層、第四批量歸一化層、第四修正線性單元激活層和第十五卷積層;所述三個(gè)上采樣層包括第一上采樣層、第二上采樣層和第三上采樣層。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于安徽大學(xué),未經(jīng)安徽大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210162154.5/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 上一篇:一種高碳工具鋼冷軋卷板的生產(chǎn)工藝
- 下一篇:清潔設(shè)備
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)
- 任務(wù)協(xié)作裝置及方法
- 用于量化任務(wù)價(jià)值的任務(wù)管理方法及裝置
- 用于運(yùn)行任務(wù)的系統(tǒng)、方法和裝置
- 一種分布式任務(wù)調(diào)度系統(tǒng)及方法
- 任務(wù)信息處理方法
- 一種同步任務(wù)異步執(zhí)行的方法和調(diào)度系統(tǒng)
- 數(shù)據(jù)處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)
- 一種自動(dòng)分配和推送的任務(wù)管理平臺(tái)及方法
- 程序執(zhí)行控制的裝置及方法、終端和存儲(chǔ)介質(zhì)
- 基于會(huì)話的任務(wù)待辦方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)





