申请/专利权人:华南理工大学
申请日:2024-01-23
公开(公告)日:2024-04-26
公开(公告)号:CN117934508A
主分类号:G06T7/11
分类号:G06T7/11;G06T7/194;G06N3/0455;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于域特定性正则化的跨站点医学图像增量分割系统,该系统通过模拟不同站点医学图像的亮度、对比度、饱和度和图像噪声的变化,来分析医学图像分割模型网络参数的域特定性,通过引入正则化项的方式限制具有高域特定性的网络参数更新,防止分割模型在新站点过拟合于域特定性特征,从而解决跨站点医学图像增量分割任务中的灾难性遗忘问题。本发明提高了跨站点医学图像分割的平均性能,降低了增量学习过程中的知识遗忘程度。
主权项:1.基于域特定性正则化的跨站点医学图像增量分割系统,其特征在于,包括:初始站点数据导入模块,用于获取来自首个站点的数据,包含医学图像和分割掩码,并对该数据进行预处理得到统一大小的图像和分割掩码;分割模型初始化训练模块,用于构建U-Net分割模型,并使用预处理后的首个站点的医学图像和分割掩码来初始化训练分割模型,得到初始化训练的U-Net分割模型;分割模型网络参数分析模块,用于分析训练完成的U-Net分割模型的参数域特定性,对训练U-Net分割模型使用的医学图像进行亮度、对比度和饱和度的增强,将增强前、后的医学图像分别送入U-Net分割模型进行预测得到两次输出,计算U-Net分割模型的两次输出差异,对该差异进行一次反向传播,得到分割模型梯度,即为U-Net分割模型的参数域特定性;新站点数据导入模块,用于导入先前站点训练的U-Net分割模型和每个U-Net分割模型的参数域特定性,并导入来自新站点的医学图像和分割掩码,进行预处理后得到统一大小的图像和分割掩码,即为预处理后的新站点的医学图像和分割掩码;分割模型增量训练模块,根据得到的预处理后的新站点的医学图像和分割掩码,用上一个站点训练的U-Net分割模型作为预训练模型进行增量训练,在增量训练的过程中,根据分割模型参数的域特定性来定义正则化项,通过域特定性正则化项损失来约束具有高域特定性的模型参数的更新,得到增量训练的U-Net分割模型;分割模型预测模块,将增量训练的U-Net分割模型用于医学图像分割的精准预测。
全文数据:
权利要求:
百度查询: 华南理工大学 基于域特定性正则化的跨站点医学图像增量分割系统
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。