-
公开(公告)号：CN112508827A
公开(公告)日：2021-03-16
申请号：CN202011227685.5
申请日：2020-11-06
申请人： 中南大学湘雅医院
摘要： 本发明公开了一种基于深度学习的融合多场景的危及器官的分割方法，本方法考虑到场景内数据的共性特征，分别对每一个数据集构建一个分割模型，获取每个数据集中的每个器官训练得到的第一最优子模型和第二最优子模型；对全部的数据集构建一个集成模型，通过全部的数据集对集成模型进行训练，同时在训练的过程中，将得到的全部第一最优子模型和第二最优子模型均作为特征提取器引入至集成模型，用于引导集成模型对不同场景下的数据的训练，使集成模型既关注分割器官的个性化特征，也关注到器官和背景间的差异，能够提高待分割器官检出率的同时，也能降低假阳的出现。
-
公开(公告)号：CN118644506A
公开(公告)日：2024-09-13
申请号：CN202410829867.1
申请日：2024-06-25
申请人： 中南大学湘雅医院
摘要： 本申请涉及了一种基于单模态图像训练的分割方法、装置、设备及存储介质，本方法在第一模态的医学图像上标注至少一个器官组织的mask区域，然后对第一模态的医学图像上的与第二模态的医学图像相关联的mask区域进行随机分布强度变换，并进行叠加，能基于第一模态的医学图像模拟出第二模态的医学图像，然后将第一模态的医学图像与模拟第二模态的医学图像进行融合，最后利用融合的图像实现分割网络的训练，得到分割模型，该分割模型能够支持第一模态的医学图像也能够支持第二模态的医学图像的分割。本方法仅利用检测区域的第一模态的医学图像就能够对检测区域第二模态的医学图像进行分割，克服模态依赖性，减少对大量标注数据的依赖，并优化计算效率。
-
公开(公告)号：CN112070777B
公开(公告)日：2021-10-08
申请号：CN202011249376.8
申请日：2020-11-10
申请人： 中南大学湘雅医院
摘要： 本发明公开了一种基于增量学习的多场景下的危及器官分割方法及设备，本方法中通过增量学习的方法使模型能够将旧的任务上学习到的特征有效的迁移到新的任务上，提升新任务的分割效果，同时在也能保持在旧的场景下的器官的分割性能，用单个模型有效的解决了不同场景下多器官的分割问题。
-
公开(公告)号：CN112508827B
公开(公告)日：2022-04-22
申请号：CN202011227685.5
申请日：2020-11-06
申请人： 中南大学湘雅医院
IPC分类号： G06T5/40 , G06T5/50 , G06T7/11 , G06K9/62 , G06V10/774
摘要： 本发明公开了一种基于深度学习的融合多场景的危及器官的分割方法，本方法考虑到场景内数据的共性特征，分别对每一个数据集构建一个分割模型，获取每个数据集中的每个器官训练得到的第一最优子模型和第二最优子模型；对全部的数据集构建一个集成模型，通过全部的数据集对集成模型进行训练，同时在训练的过程中，将得到的全部第一最优子模型和第二最优子模型均作为特征提取器引入至集成模型，用于引导集成模型对不同场景下的数据的训练，使集成模型既关注分割器官的个性化特征，也关注到器官和背景间的差异，能够提高待分割器官检出率的同时，也能降低假阳的出现。
-
公开(公告)号：CN112070777A
公开(公告)日：2020-12-11
申请号：CN202011249376.8
申请日：2020-11-10
申请人： 中南大学湘雅医院
摘要： 本发明公开了一种基于增量学习的多场景下的危及器官分割方法及设备，本方法中通过增量学习的方法使模型能够将旧的任务上学习到的特征有效的迁移到新的任务上，提升新任务的分割效果，同时在也能保持在旧的场景下的器官的分割性能，用单个模型有效的解决了不同场景下多器官的分割问题。
-
-
-
-
搜索结果
5 条记录 (耗时 0.031 秒)
