申请/专利权人：南京大学

申请日：2024-01-05

公开（公告）日：2024-03-29

公开（公告）号：CN117788489A

主分类号：G06T7/11

分类号：G06T7/11;G06T3/06;G06T3/08;G06N3/0475;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明针对目前大多数X射线图像CXR中的肋骨分割方法需要大量准确标记的数据进行深度网络训练，且在X射线图像中实现精确的肋骨标注十分困难的问题,重新设计了胸部X射线图像的肋骨分割任务，提出了一种基于无监督领域适应和中心线损失函数的简洁高效的跨模态方法，利用由三维CT图像生成的二维数字重建放射学图像DRR和对应的肋骨标注来指导未标注的二维胸部X射线图像的肋骨分割。与已有的多个X射线图像肋骨分割方法相比，本发明的方法无需在X射线图像上进行任何肋骨标注，在测试样本上实现了更高的Dice分数，避免了因分割方法引起的肋骨断裂问题，分割结果高度可解释并且肋骨的连通性完整性更好。

主权项：1.一种基于无监督域适应的X射线图像肋骨分割方法，其特征在于，包括如下步骤：a收集数据：收集CT图像数据和CXR图像数据；将收集到的数据集按照一定比例随机分为训练集、测试集，并作相应的预处理；b建立模型：基于无监督域适应方法和深度分割网络，构建三阶段的CXR图像肋骨分割模型，包括三维CT图像投影生成二维DRR图像，二维DRR图像和CXR图像的相互转换，基于DRR图像的深度肋骨分割模型；c设计损失函数：在损失函数中引入惩罚肋骨预测结果断裂的中心线损失函数，同时考虑预测结果类别不平衡的Focal损失函数；d训练模型：采用多阶段训练方法将c中构建的CXR图像肋骨分割模型在训练集上进行训练和优化；e训练结束后，将e中所得的CXR图像肋骨分割模型在测试集上进行测试，将得到的肋骨分割结果同其他模型进行比较，并进行量化评估。

全文数据：

权利要求：

百度查询： 南京大学 一种基于无监督域适应的X射线图像肋骨分割方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD