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：浙江工业大学
申请日：2024-03-27
公开（公告）日：2024-06-21
公开（公告）号：CN118229692A
主分类号：G06T7/10
分类号：G06T7/10;G06V20/70;G06V10/774
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：一种极少标签情况下的脑动脉血管的自动分割方法，是一种通过对训练集样本的极为少量的标注，通过生成伪标签的方式来扩充训练集样本量，将脑动脉血管的连通性以及其在MRA数据上的特征作为先验知识，最终得到脑动脉血管自动分割模型。对比常用的有监督或半监督的深度学习方式，本发明的方法只需要标注百分之二到百分之五的数据量，大大减少了标注人员的工作量，同时能够快速精准的分割脑动脉血管，为后续脑血管疾病诊断提供了有效的工具。
主权项：1.一种极少标签情况下的脑动脉血管的自动分割方法，其特征在于，所述方法包括以下步骤：1基于正交方法的单层标注，过程如下：1.1数据来源与参数脑动脉血管数据为MRA模态，数据参数为：回波时间、分辨率、重复时间、翻转角度和体素大小；1.2基于正交方法的专家标记首先通过具有医学背景的专家对训练集数据进行标注，其中一例数据仅仅在矢状面和水平面分别进行一次标注，由于矢状面与水平面在空间中属于正交关系，而这种正交关系在三维医学影像中被证明是具有相对丰富的信息的；2基于特征增强的标签传递网络生成伪标签，过程如下：2.1特征增强平均曲率卷积的公式如下：C＝[C1,C2,C3]*X1其中，C1＝[α,β,α]T，C2＝[β,γ,β]T，C3＝[α,β,α]T，α＝-116，β＝516，γ＝-1，*表示卷积，X表示输入的图像，C表示平均曲率；2.2标签传递网络模型标签传递网络模型中，使用一个配准模块作为标签传递网络，因为相邻的slice作为训练集输入，因此只需要收敛损失函数Lsim达到最优，得到根据每一层的转换场，之后只需要进行标签生成即可。3网络训练，流程如下针对横切面标注，使用完整标签生成网络α以及分割网络α，针对矢状面的标注，使用完整标签生成网络β，并且在输出结果之间使用采用了一致性损失函数Lcross定义为： 通过两个网络生成，仅使用百分之一到百分之二的标注工作量，实现对于脑血管的分割。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种极少标签情况下的脑动脉血管的自动分割方法
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