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。