申请/专利权人：中国科学院精密测量科学与技术创新研究院

申请日：2023-12-26

公开（公告）日：2024-04-09

公开（公告）号：CN117853508A

主分类号：G06T7/12

分类号：G06T7/12;G06T7/181;G06T5/50;G06V10/774;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了深度学习融合边缘信息的多模态肺部MRI图像分割方法，通过对肺部质子MRI影像进行标签制作，将肺部质子MRI影像和对应的肺部超极化129XeMRI影像作为样本，构建训练集；同时构建多模态肺部MRI图像分割网络；设定总损失函数；利用训练集对多模态肺部MRI图像分割网络进行训练；并利用训练后的多模态肺部MRI图像分割网络对待处理的肺部超极化129XeMRI影像进行分割操作，得到分割图像。本发明提供一种实用且有效的方法，显著地提升肺部超极化129XeMRI图像分割的精确度。

主权项：1.深度学习融合边缘信息的多模态肺部MRI图像分割方法，其特征在于，包括以下步骤：步骤1、对肺部质子MRI影像进行标签制作，将肺部质子MRI影像和对应的肺部超极化129XeMRI影像作为样本，构建训练集；步骤2、构建多模态肺部MRI图像分割网络；步骤3、设定总损失函数L；步骤4、根据总损失函数L，利用训练集对多模态肺部MRI图像分割网络进行训练，并保存多模态肺部MRI图像分割网络的参数；步骤5、利用训练后的多模态肺部MRI图像分割网络对待处理的肺部超极化129XeMRI影像进行分割操作，得到最后的肺部超极化129XeMRI影像的肺部轮廓的分割图像。

全文数据：

权利要求：

百度查询： 中国科学院精密测量科学与技术创新研究院 深度学习融合边缘信息的多模态肺部MRI图像分割方法

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