公开(公告)号：CN117011306A

公开(公告)日：2023-11-07

申请号：CN202310609850.0

申请日：2023-05-26

Applicant: 北京邮电大学

Inventor： 尹建芹 ,  王君滢 ,  殷若琪 ,  齐超

IPC: G06T7/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出一种基于池化Transformer的多任务全心脏CT分割方法，包括，获取全心脏CT图像训练数据集；构建全心脏CT图像分割模型，其中全心脏CT图像分割模型包括3D transformer编码器和3D卷积神经网络解码器，采用3D池化注意力机制计算图像块与图像块之间的关系；将全心脏CT图像训练数据集输入全心脏CT图像分割模型进行训练，得到完成的全心脏CT图像分割模型；其中分割损失函数由Dice损失函数和加权交叉熵损失函数组成；将测试数据集中的图像输入训练完成的全心脏CT图像分割模型，获取图像分割结果。通过本发明提出的方法，可以准确高效的进行心脏分割。

公开(公告)号：CN114445429A

公开(公告)日：2022-05-06

申请号：CN202210112153.X

申请日：2022-01-29

Applicant: 北京邮电大学

Inventor： 尹建芹 ,  刘金 ,  王君滢 ,  殷若琪 ,  齐超

IPC: G06T7/11 ,  G06V10/764 ,  G06V10/20 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于多标签与多解码器的全心脏ct分割方法及装置，其中包括，获取训练CT图像，训练CT图像包括多个待分割目标对象以及所述多个待分割目标对象对应的第一标签信息；将多个待分割目标对象的第一标签信息按照预设规则进行融合，得到多个第二标签信息，其中，第一标签信息的粒度小于第二标签信息的粒度；对CT图像进行预处理，并将预处理后的CT图像剪裁为多个预设大小的图像块；构建U‑net网络，所述U‑net网络包括第一解码器和第二解码器，第一解码器用于分割细粒度标签，第二解码器用于分割粗粒度标签；根据图像块，以及第一标签信息和所述第二标签信息，对U‑net网络进行训练，生成分割模型；从而实现了对全心脏进行不同粒度的语义分割。