一種基于深度學習的肝臟血管圖像分割方法
基本信息
申請?zhí)?/td> | CN202110493743.7 | 申請日 | - |
公開(公告)號 | CN113344940A | 公開(公告)日 | 2021-09-03 |
申請公布號 | CN113344940A | 申請公布日 | 2021-09-03 |
分類號 | G06T7/11(2017.01)I;G06T9/00(2006.01)I;G06T5/50(2006.01)I;G06T3/40(2006.01)I;G06N3/04(2006.01)I;G06N3/08(2006.01)I | 分類 | 計算;推算;計數(shù); |
發(fā)明人 | 王博;趙威;申建虎;張偉;徐正清 | 申請(專利權)人 | 西安智診智能科技有限公司 |
代理機構 | - | 代理人 | - |
地址 | 102629 北京市大興區(qū)中關村科技園區(qū)大興生物醫(yī)藥產(chǎn)業(yè)基地永大路38號1幢401室 | ||
法律狀態(tài) | - |
摘要
摘要 | 本發(fā)明公開了一種基于深度學習的肝臟血管圖像分割方法,首先獲取原始計算機斷層掃描圖像,通過人工標記出肝臟血管區(qū)域掩膜圖像,并對第一3D圖像分割模型進行訓練,利用第一3D圖像分割模型,得到第一3D圖像分割模型分割結果,并基于該結果標記為漏分割區(qū)域掩膜圖像和誤分割區(qū)域掩膜圖像,再將原始計算機斷層掃描圖像、第一3D圖像分割模型分割結果、漏分割區(qū)域掩膜圖像和誤分割區(qū)域掩膜圖像進行通道疊加得到第一融合圖像,將第一融合圖像對第二3D圖像分割模型訓練,直至第二3D圖像分割模型訓練完成,利用訓練完成的第二3D圖像分割模型得到肝臟血管分割結果。本方法通過訓練漏分割區(qū)域和誤分割區(qū)域信息,相比于現(xiàn)有方法更加準確。 |
