龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江大学
申请日：2024-03-08
公开（公告）日：2024-06-18
公开（公告）号：CN118212183A
主分类号：G06T7/00
分类号：G06T7/00;G06T7/10;G06V10/762;G06V10/764;G06V10/80;G06F17/16;G06N3/0455;G06N3/048;G06N3/0895
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种基于原型学习的自监督实例自适应的医学图像分割方法。1将公开的三维医学图像分割数据集中的图像经预处理得到标准化的图像；2将标准化图像输入3Dbackbone；3通过构建自适应的原型学习模块生成最终的分割预测结果，并通过计算分割损失监督模型；4通过构建自监督的掩码生成模块生成伪标签；5构建自监督过滤机制，并引入辅助损失；6基于分割损失和辅助损失计算整体的目标损失；7基于步骤6的损失函数训练模型。本发明引入SMG模块，可以更好地建模类内多样性，设计了自监督过滤机制来对随机初始化的目标查询进行监督；此外，本发明可以还利用IPL模块来针对不同的输入做适应性调整。
主权项：1.一种基于原型学习的自监督实例自适应的医学图像分割方法，其特征在于，包括如下步骤：1将三维医疗图像经过数据预处理操作进行标准化以减少不同图像间的区域差异；2将步骤1得到的标准化的三维图像输入3Dbackbone，经编码器生成中间特征图谱F，再经像素解码器生成像素级的空间嵌入特征Fo；3通过自监督的掩码生成SMG模块生成伪标签M：初始化N个目标查询Q，kMax解码器使用像素解码器生成的多尺度特征指导目标查询的学习更新，生成伪标签M；4将步骤2生成的中间特征图谱F和步骤3生成的伪标签M输入自适应原型学习IPL模块，生成最终的分割预测结果。
全文数据：
权利要求：
百度查询： 浙江大学 基于原型学习的自监督实例自适应的医学图像分割方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号