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！

摘要：本发明涉及图像处理技术领域，尤其涉及基于曲率一致性的非配对多模态分割方法及系统。构建UCPSCC分割网络的两个阶段，并对UCPSCC分割网络进行两个阶段的训练，生成预测结果和合成图像的过程中使用MFCE模块来进行互相约束；根据曲率一致性损失分别来对齐真实图像和合成图像的分割预测结果，得到准确的胰腺分割预测结果，引入了辅助模态针对辅助模态合成图像的判别器和主模态针对主模态合成图像的判别器进行对抗性学习，将模态转换任务和分割任务统一在同一个网络中，针对模态转换任务过程中提取到的模态不变信息和分割任务中的目标器官信息丢失的问题，设计多任务特征互补增强模块和轻量级多尺度特征融合模块。

主权项：1.基于曲率一致性的非配对多模态分割方法，其特征在于：包括，将主模态图像xt和辅助模态图像xs输入进多任务特征互补增强及曲率一致性胰腺分割子网络MFCECC中生成主模态合成图像xs→t、辅助模态重建图像xs→t→s、辅助模态合成图像xt→s、主模态重建图像xt→s→t、主模态图像胰腺分割预测图pt、主模态合成图像胰腺分割预测图ps→t、辅助模态图像胰腺分割预测图ps、辅助模态合成图像胰腺分割预测图pt→s；将主模态图像输入进符号距离场约束及曲率特征融合胰腺高密度病灶分割子网络SDFCCFF中，得到胰腺区域的符号距离预测图和胰腺高密度病灶分割预测图在第一个子网络MFCECC中，针对主模态图像胰腺分割预测图pt和辅助模态合成图像胰腺分割预测图pt→s设计主模态曲率一致性损失，针对辅助模态图像胰腺分割预测图ps和主模态合成图像胰腺分割预测图ps→t设计辅助模态曲率一致性损失，减轻模态转换过程中模态不变信息的丢失问题；在第二个子网络SDFCCFF中，设计符号距离损失解决非胰腺区域出现的过分割现象和胰腺区域的漏分割现象；所述多任务特征互补增强及曲率一致性胰腺分割子网络MFCECC包含11个子模块，包括3个编码器，模态不变内容特征编码器Econt、针对主模态风格的特征编码器针对辅助模态风格的特征编码器针对主模态合成图像的解码器DecT、针对辅助模态合成图像的解码器DecS，针对辅助模态的分割头SegS和针对主模态的分割头SegT，针对辅助模态和主模态合成图像的2个判别器、1个针对辅助模态和1个针对主模态的多任务特征互补增强模块MFCE，其中下标为S的表示针对辅助模态，下标为T的表示针对主模态；所述符号距离场约束及曲率特征融合胰腺高密度病灶分割子网络SDFCCFF包含5个模块，包括1个独立的编码器E和1个与MFCECC共享的模态不变内容特征编码器Econt、1个符号距离场融合的曲率特征融合模块、1个符号距离约束分支Segsdf和1个胰腺高密度病灶区域的分割头Segphdla；所述符号距离场约束及曲率特征融合胰腺高密度病灶分割子网络SDFCCFF中包括，先冻结住Econt不进行反向传播更新参数，然后将Econt和E生成的不同尺度的特征分别送入LMSF模块中，得到对应的多尺度融合特征，针对胰腺定位问题，在Segphdla的基础上添加了符号距离约束分支Segsdf，再将多尺度融合特征和Segsdf生成的不同尺度的曲率特征融入到Segphdla中，最终得到准确的PHDLA分割区域；利用符号距离场中像素到边界的距离决定像素的强度的性质设置Segsdf解码器的预测任务，使用Segsdf和Segphdl协同训练隐式地学习胰腺的位置信息， 其中，表示为Segsdf解码器分支对应的胰腺区域的符号距离预测图，E表示为第二子网络中独立的编码器；在SDFCCFF子网络框架中，采用均方误差计算方式作为Segsdf的符号距离损失Lsdf: 其中，是yt通过公式计算得到。

全文数据：

权利要求：

百度查询： 苏州大学 基于曲率一致性的非配对多模态分割方法及系统