龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华中科技大学
摘要：本发明公开了一种基于深度学习的前列腺MR图像半监督分割方法，该方法包括：采用AttentionUnet和残差网络两个网络模型的组合，由此构建执行者‑评判者网络PAJ_net；在带少量金标准的前列腺MR图像数据集中，引入一组自制的新标签，辅助PAJ_net在训练过程中准确地区分是否存在金标准；利用带少量金标准和新标签的前列腺MR图像训练PAJ_net，用于完成前列腺MR图像移行区TZ和外周区PZ两个区域的分割任务。本发明采用分步训练的策略，使用残差网络监督AttentionUnet的训练过程，进而有效地利用不带金标签的前列腺MR图像信息，得到泛化性更好的网络模型，并尝试在PAJ_net训练过程中的损失函数加入Mumford_Shah能量函数进行约束，为前列腺MR图像多区域实时分割提供了一种更有效的半监督方法。
主权项：1.一种基于深度学习的前列腺MR图像半监督分割方法，其特征在于，包括以下步骤：S1，获取原始前列腺MR图像集以及所述图像集中部分图像对应的金标准；S2，以所述部分图像及其对应的金标准构建第一训练集，并将所述第一训练集导入执行者网络中进行训练，得到对应的分割结果，再结合所述金标准，计算得到第一实际损失；将所述部分图像与对应的分割结果在通道上进行叠加得到数组，以对应的第一实际损失作为每个数组的标签，对评判者网络进行训练；S3，对所述图像集中各图像有无金标准进行标注，以标注后的图像集和所述部分图像的金标准构建第二训练集，并将所述第二训练集导入所述执行者网络中进行训练，得到对应的分割结果，对有金标准的图像，结合所述金标准，计算得到第二实际损失；对无金标准的图像，将其与分割结果在通道上进行叠加得到对应的数组，再将所述对应的数组导入S2中训练好的评判者网络中，得到预测损失；以所述第二实际损失与预测损失之间的损失，对所述执行者网络进行训练，得到最佳执行者网络；S4，利用所述最佳执行者网络对待分割的前列腺MR图像进行分割。
全文数据：
权利要求：
百度查询： 华中科技大学 一种基于深度学习的前列腺MR图像半监督分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号