公开(公告)号：CN116797618A

公开(公告)日：2023-09-22

申请号：CN202310844284.1

申请日：2023-07-11

Applicant: 西安电子科技大学

Inventor： 余航 ,  谢子川 ,  周绥平 ,  刘志恒 ,  解立志

IPC: G06T7/12 ,  G06T7/13 ,  G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态MRI心脏图像的多阶段分割方法，主要解决现有技术不适用于多模态以及无法有效融合跨模态之间特征的问题。包括：1)根据原始MRI数据生成心脏轮廓标注数据集，并进行归一化；2)构建心脏MRI轮廓分割模型，并利用归一化后数据集训练得到融合三种模态数据的深度学习模型，获取一阶段分割结果；3)将原始数据与一阶段分割结果矩阵相乘，进行通道堆叠后生成二阶段数据集；4)搭建心室‑心肌分割模型并利用二阶段数据集进行训练；5)通过前向模型推理得到二阶段分割结果，即最终分割结果。本发明能够有效利用多模态优势，提高分割精度，且在一定程度上解决了深度学习黑箱在医学领域可解释性差的窘境。

公开(公告)号：CN116229071A

公开(公告)日：2023-06-06

申请号：CN202310192373.2

申请日：2023-03-02

Applicant: 西安电子科技大学

Inventor： 余航 ,  谢子川 ,  刘志恒 ,  解立志 ,  尹相杰 ,  李晨阳 ,  张立娜 ,  杜思瑶 ,  高斯

IPC: G06V10/26 ,  G06V10/30 ,  G06V10/764 ,  G06V10/82 ,  G06T7/136 ,  G06T7/13 ,  G06T7/194 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明旨在解决现有方法对核磁共振影像MRI(MagnaticResonanceImaging)的多功能模态利用率低下的问题，提出了一种基于多模态MRI的集成MP‑Unet分割方法，其实现思路为：对影像进行归一化并去噪；生成Unet数据集，通过Unet精度来衡量模态质量；优质模态作为MP‑Unet模型训练用的数据集；构建MP‑Unet并进行模型训练；训练出的多组MP‑Unet模型结合Bagging算法进行集成决策分割。本发明对MRI影像进行目标分割时，可以结合多种模态数据，极大提高对MRI影像的分割精度，Bagging算法可集成多个MP‑Unet，进一步提高对MRI影像的分割精度，并有效减少非正确预测。