申请/专利权人：北京航空航天大学

申请日：2021-11-22

公开（公告）日：2024-04-16

公开（公告）号：CN114049359B

主分类号：G06T7/10

分类号：G06T7/10;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.03.04#实质审查的生效;2022.02.15#公开

摘要：本发明公开了一种医学影像器官分割方法，包括：数据标注，对第一医学影像中的器官进行标注，得到标注后的第二医学影像；数据预处理，对第一医学影像和第二医学影像进行数据预处理；构建神经网络模型，神经网络模型包括3D‑Unet网络模块、集中模块、聚合模块及后处理模块；训练神经网络模型，将第一医学影像裁切为若干子块后作为输入，将第二医学影像裁切为若干子块后作为学习目标，训练神经网络模型；医学影像器官分割，将包含器官的第三医学影像进行预处理，将预处理后的第三医学影像通过滑窗裁切为若干子块，将若干子块送入神经网络模型。本发明通过构建识别全局语义特征的深度学习神经网络，提升了医学影像器官分割效果。

主权项：1.一种医学影像器官分割方法，其特征在于，包括：数据标注，对第一医学影像中的器官进行标注，得到标注后的第二医学影像；数据预处理，对所述第一医学影像和第二医学影像进行数据预处理，所述预处理包含裁剪医学影像边缘处像素、重采样医学影像数据及医学影像数据归一化；构建神经网络模型，所述神经网络模型包括3D-Unet网络模块、集中模块、聚合模块及后处理模块；所述集中模块包含维度转换层、softmax层和乘积层；所述聚合模块包含维度转换层、softmax层、三维卷积层和乘积层；所述后处理模块包含融合层、三维卷积层、InstanceNormalizaiton层和LeakyReLU层；训练神经网络模型，将所述第一医学影像裁切为若干子块后作为输入，将所述第二医学影像裁切为若干子块后作为学习目标，训练所述神经网络模型；医学影像器官分割，将包含器官的第三医学影像进行预处理，将预处理后的第三医学影像通过滑窗裁切为若干子块，将所述若干子块送入神经网络模型，获取所述神经网络模型输出的若干子块的分割结果，将所述分割结果拼接为第四医学影像；其中，所述3D-Unet网络模块的上采样层和下采样层的数量均为5；所述3D-Unet网络模块的归一化层采用InstanceNormalization层，非线性激活函数采用LeakyReLU层；所述3D-Unet网络模块的输出为特征图mbase和粗分割预测图pcoarse；所述特征图mbase经过集中模块的维度转换层转换为第一特征向量所述粗分割预测图pcoarse经过集中模块的维度转换层和softmax层得到类别预测向量所述第一特征向量和类别预测向量经过集中模块的乘积层相乘得到类别全局表征rclass；所述类别全局表征rclass经过聚合模块的三维卷积层和维度转换层转换为第二特征向量将所述全局表征rclass经过聚合模块的三维卷积层得到第三特征向量将所述特征图mbase经过聚合模块的三维卷积层和维度转换层转换为第四特征向量将所述第三特征向量和第四特征向量经过聚合模块的乘积层相乘得到相似度向量将所述相似度向量经过聚合模块的softmax层后，与所述第二特征向量经过聚合模块的乘积层相乘得到类别聚合表征raggregation；所述后处理模块的融合层将类别聚合表征raggregation与特征图mbase按通道维度进行合并后，通过所述后处理模块的三维卷积层，InstanceNormalizaiton层，LeakyReLU层得到强化表征renhanced，将所述强化表征renhanced通过后处理模块的三维卷积层得到精分割预测图pfine。

全文数据：

权利要求：

百度查询： 北京航空航天大学 医学影像器官分割方法

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