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:澳门科技大学
摘要:本发明涉及一种基于矛盾标记法的心脏CT图像自动分割方法、装置及介质的技术方案,包括:对心脏CT图像进行低精度矛盾标注,得到第一矛盾标注集;将多张心脏CT图像中不同帧但相邻图中的矛盾标注图所包括的相似注解作为第二矛盾标注集;通过精准标注数据部分对基于U‑Net的深度神经网络进行预热,混合第一矛盾标注集及第二矛盾标注集得到混合矛盾标注集;通过混合矛盾标注集训练全卷积神经网络,分割心脏CT图像的前景和背景,直至全卷积神经网络达到收敛;统计U‑Net网络分割出的CT心脏系列图像的前景和背景的灰阶直方图,分割阈值,设定心脏CT图像的兴趣区域并进行分割。本发明的有益效果为:网络训练过程更快;时间成本相对较低,降低了成本。
主权项:1.一种基于矛盾标记法的心脏CT图像自动分割方法,其特征在于:S100,对心脏CT图像进行低精度矛盾标注,得到同一所述心脏CT图像的两个相似注释信息的矛盾标注图,将同一帧图中的所述矛盾标注图所包括的矛盾注解作为第一矛盾标注集;所述第一矛盾标注集中的矛盾注解为多张所述心脏CT图像的同一帧图全部标注点的5%;S200,将多张心脏CT图像中不同帧但相邻图中的所述矛盾标注图所包括的相似注解作为第二矛盾标注集;所述第二矛盾标注集的相似的注释信息为多张所述心脏CT中不同帧但相邻图像全部标注点的30%;S300,通过精准标注数据部分对基于U-Net的深度神经网络进行预热,混合所述第一矛盾标注集及所述第二矛盾标注集得到混合矛盾标注集;S400,通过所述混合矛盾标注集训练全卷积神经网络,分割所述心脏CT图像的前景和背景,直至所述全卷积神经网络达到收敛;所述训练包括:以混合矛盾标注集进行高泛化性分割训练;通过所述全卷积神经网络的自动学习,将所述第一矛盾标注集的标注结果及所述第二矛盾标注集的标注结果组合在一起找到比标注结果更好的边缘信息;S500,统计U-Net网络分割出的所述CT心脏系列图像的前景和背景的灰阶直方图,将该直方图双峰间的最低谷作为分割阈值,设定所述心脏CT图像的兴趣区域并进行分割。
全文数据:
权利要求:
百度查询: 澳门科技大学 基于矛盾标记法的心脏CT图像自动分割方法、装置及介质
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。