首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于强化学习的X射线头影测量标志点自动定位方法 

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:天津大学

摘要:本发明公开一种基于强化学习的X射线头影测量标志点自动定位方法,包括以下:获取若干训练用的正畸科X线头颅侧位片图像数据,人工标注出多个标志点的位置,并预处理后确定每一个标志点的最终位置;建立马尔科夫决策过程模型,基于深度强化学习定位算法,求解马尔科夫决策过程,得到最优策略;S3)输入一张X线头颅侧位片,得到每个标志点的估算值,在图中标出目标点和经过模型预测的标志点位置,同目标点相比较得出平均误差和方差。本发明采用深度强化学习的方法,将头影标志点定位问题表示为强化学习中的顺序决策问题;能够针对不同的标志点,分配不同的强化学习代理,同时探索各自的标志点,从而解决头影标志点定位的耗时和准确性问题。

主权项:1.一种基于强化学习的X射线头影测量标志点自动定位方法,其特征在于,包括以下:S1准备数据集:获取若干训练用的正畸科X线头颅侧位片图像数据,人工标注出多个标志点的位置,并预处理后确定每一个标志点的最终位置;S2训练阶段:建立马尔科夫决策过程模型,基于深度强化学习定位算法,求解马尔科夫决策过程MDP,得到最优策略;S21建立基于邻居的推理模块NeighborReasoningModule,以帮助agent做出更好的决策,该模块利用图神经网络层聚合所有agent学习到的解剖标志点特征,为每一个agent生成对应的空间信息;S22将额外的空间信息视为一种全局的结构信息,起到显式的联络作用,来辅助agent对标志点的推理过程;S23将头影图像作为环境environment,agent从一个起始点出发,根据在当前位置观察到的状态,采取由粗到细的搜索策略,从学习策略分布中采样的离散动作,即上、下、左、右中的一个方向与环境进行交互,agent试图获得一个最优策略,该策略将最大化长期回报,并且将其表现为折扣累积回报G;S24针对每个标志点分配一个agent,所有agent共同在environment中搜索,实现在给定的二维X光头影中同时对多个标志点进行定位;S3测试评估阶段:输入一张X线头颅侧位片,得到每个标志点的估算值,在图中标出目标点和经过步骤S2预测的标志点位置,同目标点相比较得出平均误差和方差。

全文数据:

权利要求:

百度查询: 天津大学 基于强化学习的X射线头影测量标志点自动定位方法

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。