申请/专利权人:深圳大学
申请日:2024-05-20
公开(公告)日:2024-06-14
公开(公告)号:CN118196108A
主分类号:G06T7/00
分类号:G06T7/00;G06T7/10;G06T5/73;G06T5/60;G06N3/0442;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明适用图像处理技术领域,提供了一种脑血管分割模型的训练方法,该方法包括:基于第一深度学习网络和第二深度学习网络构建脑血管分割模型,采用多光子脑血管荧光成像,得到用于训练脑血管分割模型的训练数据集,提取训练数据集中每张3D训练图像对应的沿Z轴方向每层的2D训练原图,并对每张2D训练原图进行血管位置标注,得到训练标签集,对提取出的所有2D训练原图和训练标签集中每张2D训练掩膜图像分别进行数据增强,基于预设的损失函数,根据数据增强后的所有2D训练原图和训练标签集对脑血管分割模型进行训练,从而提高脑血管分割模型的分割性能。
主权项:1.一种脑血管分割模型的训练方法,其特征在于,所述方法包括下述步骤:基于第一深度学习网络和第二深度学习网络构建脑血管分割模型;采用多光子脑血管荧光成像,得到用于训练所述脑血管分割模型的训练数据集;提取所述训练数据集中每张3D训练图像对应的沿Z轴方向每层的2D训练原图,并对每张所述2D训练原图进行血管位置标注,得到训练标签集;对提取出的所有所述2D训练原图和所述训练标签集中每张2D训练掩膜图像分别进行数据增强;基于预设的损失函数,根据数据增强后的所有所述2D训练原图和所述训练标签集对所述脑血管分割模型进行训练。
全文数据:
权利要求:
百度查询: 深圳大学 一种脑血管分割模型的训练方法、脑血管提取方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。