一种融合半监督与对比学习的视频分割方法以及装置

    公开(公告)号:CN116883914A

    公开(公告)日:2023-10-13

    申请号:CN202311139247.7

    申请日:2023-09-06

    摘要: 本发明涉及一种融合半监督与对比学习的视频分割方法、装置、计算机设备和存储介质,包括:将包含已标注视频帧的数据集输入教师模型,得到各已标注视频帧的预测帧;根据已标注视频帧及其预测帧并结合全监督学习损失函数训练教师模型;将样本视频分别输入已训练的教师模型以及学生模型,得到已训练的教师模型输出的多个第一预测帧以及学生模型输出的多个第二预测帧;从多个第一预测帧以及多个第二预测帧划分正对和负对并输入对比学习的损失函数网络得到模型调整参数并基于此对学生模型进行参数调整,得到训练后的学生模型;将待分割视频输入训练后的学生模型,得到待分割视频中关键解剖结构的分割信息。上述方法能够提高计算速度及模型分割精度。

    基于条件扩散的多模偏移影像融合重建方法及相关装置

    公开(公告)号:CN118628372A

    公开(公告)日:2024-09-10

    申请号:CN202411095527.7

    申请日:2024-08-12

    摘要: 本发明公开了一种基于条件扩散的多模偏移影像融合重建方法及相关装置,其中所述方法包括:获得原CT影像,并基于无条件扩散采样对原CT影像进行迁移处理,生成迁移MRI影像;将迁移MRI影像和原MRI影像输入状态空间特征提取模块中进行特征提取处理,获得融合特征数据;将融合特征数据输入协同任务解码器中进行解码操作,生成重建CT影像、组织形变场和MRI分割图像;重建CT影像用于与原CT影像计算循环一致损失;基于组织形变场和所述MRI分割图像进行三维重建处理,获得组织三维解剖重建图像。在本发明实施例中,解决了CT与MRI图像因采集时间不同造成的特征偏移问题与CT与MRI图像两者差异中的亮度空间分布不均问题。

    全局视角辅助下图像关键解剖结构的分割方法及其设备

    公开(公告)号:CN116912502A

    公开(公告)日:2023-10-20

    申请号:CN202311154054.9

    申请日:2023-09-08

    摘要: 本发明涉及一种全局视角辅助下图像关键解剖结构分割方法、计算机设备和存储介质,包括将全局视角单帧图像输入卷积神经网络得到关键解剖结构的掩码;将全局视角单帧图像输入ResNet18框架得到单帧图像特征图,采用掩码处理单帧图像特征图得到掩码处理过的特征图;对掩码处理过的特征图进行池化得到全局上下文特征图;将局部视角单帧图像输入ResNet18框架得到局部上下文特征图;将全局上下文特征图和局部上下文特征图输入分类网络得到关键解剖结构的分类信息的特征图,将分类信息的特征图与局部上下文特征图交叉注意力融合得到融合的特征图,根据融合的特征图得到局部视角的单帧图像的关键解剖结构分割结果。上述方法能够提高关键解剖结构的分割准确度。