-
公开(公告)号：CN112348839A
公开(公告)日：2021-02-09
申请号：CN202011168588.3
申请日：2020-10-27
申请人： 重庆大学
摘要： 本发明公开了一种基于深度学习的图像分割方法及系统。该方法为：将待分割图像输入图像分割模型，获得图像分割结果；图像分割模型建立过程：S1，构建训练集和测试集；S2，构建图像分割卷积网络；图像分割卷积网络包括下采样链路、上采样链路、N个联接链路，下采样链路设有N个下采样处理块，上采样链路设有N个上采样处理块；第N下采样处理块与第N上采样处理块通过第N联接链路连接；第n下采样处理块与第n上采样处理块通过第n联接链路连接，在第n联接链路上设有k个卷积块，n∈[1,N‑1]；S3，利用训练集对图像分割卷积网络进行训练。在联接链路中设置k个卷积块，将原图进行k次卷积操作后再进行拼接，更全面补充信息，提升分割精确度和可靠性。
-
公开(公告)号：CN112529911B
公开(公告)日：2024-02-09
申请号：CN202011437755.X
申请日：2020-12-07
申请人： 重庆大学
摘要： 本发明公开一种胰腺图像分割模型的训练方法、图像分割方法和装置，具体包括以下步骤：获取胰腺图像，所述胰腺图像包括2D图像和3D图像，并对2D图像和3D图像进行裁剪、缩放和HU值截断，截断范围为[‑300,300]；将截断后的2D图像输入训练完成的2‑3D网络分割模型的第一子模型，从而输出2D分割结果和2D特征；将2D分割结果和3D图像数据进行结合得到3D图像特征，将3D图像特征和2D特征输入第二子模型，从而输出3D分割结果。本发明通过将传统2D网络和3D网络(56)对比文件Liu, Siqi, et al. .“3d anisotropichybrid network: Transferringconvolutional features from 2d images to3d anisotropic volumes”《.Medical ImageComputing and Computer AssistedIntervention–MICCAI 2018: 21stInternational Conference》.2018,全文.Li, Xiaomeng, et al..“H-DenseUNet:hybrid densely connected UNet for liverand tumor segmentation from CT volumes”.《IEEE transactions on medical imaging37.12 (2018)》.2018,全文.
-
公开(公告)号：CN112348839B
公开(公告)日：2024-03-15
申请号：CN202011168588.3
申请日：2020-10-27
申请人： 重庆大学
IPC分类号： G06F30/27
摘要： 本发明公开了一种基于深度学习的图像分割方法及系统。该方法为：将待分割图像输入图像分割模型，获得图像分割结果；图像分割模型建立过程：S1，构建训练集和测试集；S2，构建图像分割卷积网络；图像分割卷积网络包括下采样链路、上采样链路、N个联接链路，下采样链路设有N个下采样处理块，上采样链路设有N个上采样处理块；第N下采样处理块与第N上采样处理块通过第N联接链路连接；第n下采样处理块与第n上采样处理块通过第n联接链路连接，在第n联接链路上设有k个卷积块，n∈[1,N‑1]；S3，利用训练集对图像分割卷积网络进行训练。在联接链路中设置k个卷积块，将原图进行k次卷积操作后再进行拼接，更全面补充信息，提升分割精确度和可靠性。
-
公开(公告)号：CN112529911A
公开(公告)日：2021-03-19
申请号：CN202011437755.X
申请日：2020-12-07
申请人： 重庆大学
摘要： 本发明公开一种胰腺图像分割模型的训练方法、图像分割方法和装置，具体包括以下步骤：获取胰腺图像，所述胰腺图像包括2D图像和3D图像，并对2D图像和3D图像进行裁剪、缩放和HU值截断，截断范围为[‑300,300]；将截断后的2D图像输入训练完成的2‑3D网络分割模型的第一子模型，从而输出2D分割结果和2D特征；将2D分割结果和3D图像数据进行结合得到3D图像特征，将3D图像特征和2D特征输入第二子模型，从而输出3D分割结果。本发明通过将传统2D网络和3D网络进行有机的结合得到2‑3D网络分割模型，从而保证胰腺分割拥有一个较高的分割率，为后续的医生诊断提供了可靠的信息。
-
-
-
搜索结果
4 条记录 (耗时 0.017 秒)
