申请/专利权人:山东大学第二医院
申请日:2023-11-21
公开(公告)日:2024-02-13
公开(公告)号:CN117557577A
主分类号:G06T7/10
分类号:G06T7/10;G06T7/00;G06T17/00;G06N3/0464;G06V10/25;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.01#实质审查的生效;2024.02.13#公开
摘要:本发明涉及图像处理技术领域,提供了一种基于平扫CT和深度学习的肾盂和输尿管分割方法及系统。该方法包括,基于平扫CT图像,采用目标检测模型,在每一层神经网络依次进行下采样、分窗和邻近比较操作,得到每一层的特征图;从最小的特征图开始,依次进行上采样、分窗和邻近比较操作,再与高层特征图进行连接,判断高层特征图中的每一个窗块是否属于某个器官;重复多次,得到标记肾盂和输尿管轮廓的目标图像;基于目标图像,采用两个分割模型,一个用于分割肾盂和输尿管上段,另一个用于分割输尿管中下段,得到第一分割结果和第二分割结果,并将第一分割结果和第二分割结果进行加和处理,得到肾盂结构和输尿管结构。
主权项:1.基于平扫CT和深度学习的肾盂和输尿管分割方法,其特征在于,包括:获取泌尿系统的平扫CT图像;以平扫CT图像为输入,采用基于注意力机制的Swin-UNet目标检测模型对平扫CT图像进行处理;所述目标检测模型包括若干层神经网络,在每一层神经网络依次进行下采样、分窗和邻近比较操作,得到每一层的特征图;从最小的特征图开始,依次进行上采样、分窗和邻近比较操作,再与高层特征图进行连接,判断高层特征图中的每一个窗块是否属于某个器官;重复多次,得到输入图像中双侧肾脏的位置,并将相关位置提供给两个分割模型;第一分割模型用于分割肾盂和输尿管上段,得到第一分割结果,第二分割模型用于分割输尿管中下段,得到第二分割结果,并将第一分割结果和第二分割结果进行加和处理,得到肾盂结构和输尿管结构。
全文数据:
权利要求:
百度查询: 山东大学第二医院 基于平扫CT和深度学习的肾盂和输尿管分割方法及系统
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。