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：清华大学深圳国际研究生院
申请日：2024-03-05
公开（公告）日：2024-06-28
公开（公告）号：CN118262105A
主分类号：G06V10/26
分类号：G06V10/26;G06V10/764;G06V10/82;G06N3/0895
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明提供一种基于全监督对比学习的多模态肿瘤图像的分割方法和装置，包括：将获取的待分割的多模态肿瘤图像输入图像分割模型，得到各待分割体素的分类结果；基于各待分割体素的分类结果，确定多模态肿瘤图像中的肿瘤区域；图像分割模型为基于样本多模态肿瘤图像中的至少一个锚点、各锚点对应的正样本体素和负样本体素确定目标对比学习损失后，基于目标对比学习损失训练得到的；其中，锚点为基于样本多模态肿瘤图像中类型预测错误的各错误体素对应的分割窗口置信度确定的；正样本体素为基于至少一个目标正确体素的置信度确定的，负样本体素为基于至少一个目标错误体素的置信度确定的。本发明可以提高多模态肿瘤图像中的肿瘤区域分割的准确性。
主权项：1.一种基于全监督对比学习的多模态肿瘤图像的分割方法，其特征在于，包括：获取待分割的多模态肿瘤图像；将所述多模态肿瘤图像输入图像分割模型，得到所述图像分割模型输出的各待分割体素的分类结果；基于各所述待分割体素的分类结果，确定所述待分割的多模态肿瘤图像中的肿瘤区域；所述图像分割模型为基于样本多模态肿瘤图像中的至少一个锚点、各所述锚点对应的正样本体素和负样本体素确定目标对比学习损失后，基于所述目标对比学习损失进行模型参数调整后得到的；其中，所述锚点为基于所述样本多模态肿瘤图像中类型预测错误的各错误体素对应的分割窗口置信度确定的，所述分割窗口置信度为基于分割窗口内的各目标体素的置信度确定的；所述正样本体素为基于至少一个目标正确体素的置信度确定的，所述目标正确体素为所述样本多模态肿瘤图像中类型预测正确的各正确体素中与所述锚点距离最近的体素，所述负样本体素为基于至少一个目标错误体素的置信度确定的。
全文数据：
权利要求：
百度查询： 清华大学深圳国际研究生院 基于全监督对比学习的多模态肿瘤图像的分割方法和装置
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。
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