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：宁波市医疗中心李惠利医院(宁波大学附属李惠利医院);宁波中科信息技术应用研究院(宁波人工智能产业研究院)

摘要：本发明涉及医学图像处理技术领域，尤其涉及一种喉癌‑下咽癌医学影像自适应分割与测量方法。该方法的关键步骤包括对比学习预训练与源域微调，对比学习预训练采用参数共享的编码器‑解码器作为网络主干，通过设计非参数特征投影头将像素级表示映射到超球面空间，并利用对比损失函数学习领域间的一致性表示；源域微调是将预训练的知识迁移到分割模型，实现像素级别的精确分割。采用这种方法不仅优化了诊断过程的准确性和效率，而且在降低医疗成本方面具有显著意义。

主权项：1.一种喉癌-下咽癌医学影像自适应分割与测量方法，其特征在于，它包括以下步骤：S1、选取数据集：构建源域图像与目标域图像；S2、数据预处理：对步骤S1构建的源域图像以及目标域图像进行扩充；S3、领域连接构建：在领域内，将步骤S2预处理后的目标域图像通过恒等映射得到目标域图像的全局视图，然后对目标域图像采用随机数增强操作得到目标域图像的局部视图；在领域间，将步骤S2预处理后的源域图像输入经过训练的生成器进行风格迁移转换得到假目标域图像的全局视图，然后对源域图像采用随机数增强操作得到源域图像的局部视图；在领域内，将目标域图像的全局视图及其局部视图作为正样本对，在领域间，将源域图像输入经过训练的生成器进行风格迁移转换得到的假目标域图像的全局视图及源域图像通过随机数增强操作得到的局部视图作为正样本对；在领域内，将不同目标域图像的局部视图和全局视图作为负样本对，在领域间，将不同源域图像的局部视图和通过生成器得到的假目标域图像的全局视图作为负样本对；S4、对比学习预训练：将步骤S3得到的领域内视图与领域间视图分别输入到参数共享的编码器-解码器得到像素级表征，通过设计非参数特征投影头将像素级表征映射到超球面空间，使用对比损失函数计算损失，再通过反向传播优化网络学习参数，使得领域间的正样本对距离最小，负样本对距离最大，之后不断迭代优化，直到对比损失函数收敛，最终得到训练好的网络学习参数；S5、源域微调：构建语义分割器，使用步骤S4训练好的网络学习参数初始化分割器，同时随机初始化分割头，然后使用步骤S3中得到的图像对分割器进行调整，得到训练好的分割器；S6、使用步骤S5训练好的分割器对需要分割的医学图像进行分割。

全文数据：

权利要求：

百度查询： 宁波市医疗中心李惠利医院(宁波大学附属李惠利医院) 宁波中科信息技术应用研究院(宁波人工智能产业研究院) 一种喉癌-下咽癌医学影像自适应分割与测量方法