申请/专利权人：上海导向医疗系统有限公司

申请日：2023-11-29

公开（公告）日：2024-04-05

公开（公告）号：CN117830339A

主分类号：G06T7/194

分类号：G06T7/194;G06V10/774;G06V10/82;G06N3/048;G06V10/764;G06V10/30;G16H30/00;G16H50/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明涉及医学图像处理技术领域，尤其涉及一种基于改进的Unet++的心室分割方法，包括步骤S1，将CT扫描的心室图像经过初步筛选和精确标注后，通过预处理操作，最终形成心室图像数据；步骤S2，基于初始的UNet++网络框架模型设计改进网络框架模型，并进行初始训练和训练监控，当训练结果不符合训练预期，进行参数调节，重复操作，直到训练结果符合训练预期；对预处理后的心室图像数据进行整体训练，完成整体训练后，保存训练好的最优模型；步骤S3，将最优模型集成到手术导航系统中，以提供高效准确的心室分割。本发明改进的Unet++网络模型，结合了Resnet与DenseNet的结构优势，在现有的数据集上，改进后的模型在心室分割任务上的的dice系数提升了0.5个百分点。

主权项：1.一种基于改进的Unet++的心室分割方法，其特征在于，包括，步骤S1，数据准备阶段，将CT扫描的心室图像经过初步筛选和精确标注后，通过包括分层保存和图像增强的预处理操作，最终形成心室图像数据；步骤S2，模型训练阶段，基于初始的UNet++网络框架模型设计通过引入残差结构的卷积、更换为LeakyReLU激活函数，并优化下采样和上采样方法改进网络框架模型，并进行初始训练和训练监控，当训练结果变化符合训练预期，则进行所述网络框架模型的整体训练，当所述训练结果不符合所述训练预期，则进行参数调节，重复操作，直到所述训练结果符合所述训练预期；对预处理后的所述心室图像数据进行所述整体训练，包括设置训练周期、批处理大小，使用Adam优化器和余弦衰减学习率，以及选择diceloss作为损失函数；完成整体训练后，保存训练好的最优模型；步骤S3，模型集成阶段，将所述最优模型通过转换成ONNX格式再转化为TensorRT引擎，最终集成到手术导航系统中，以提供高效准确的心室分割。

全文数据：

权利要求：

百度查询： 上海导向医疗系统有限公司 一种基于改进的Unet++的心室分割方法

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