-
公开(公告)号:CN117934412A
公开(公告)日:2024-04-26
申请号:CN202410096788.4
申请日:2024-01-24
Applicant: 东北大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/33 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明设计一种基于交叉注意力可变形配准的CT图像ASPECTS自动分区方法,属于医学影像处理技术领域;首先获取原始CT图像,并对其进行预处理,基于此构建数据集;利用构建的数据集训练分区网络,得到从浮动图像到固定图像的形变场;所述分区网络包含编码器、解码器、交叉注意力模块CA,Cross Attention以及跳跃连接四个部分;最后将浮动图像的关键分区标签通过形变场采用Nearest插值算法进行空间形变得到匹配患者的ASPECTS的关键分区;本发明相较于以往的配准方法对ASPECTS关键分区的划分具有更高的准确率,达到了应用的要求。
-
公开(公告)号:CN118297960A
公开(公告)日:2024-07-05
申请号:CN202410412113.6
申请日:2024-04-08
Applicant: 东北大学
IPC: G06T7/10 , G06T7/00 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/096
Abstract: 本发明设计一种基于图像文本对比学习的半监督鼻咽癌分割方法,属于医学影像辅助检测技术领域;首先构建头颈部CT图像数据集,并对其进行预处理后划分为训练集和测试集;利用训练集对鼻咽癌分割模型中学生‑教师模型部分进行训练,生成伪标签,并计算学生‑教师模型部分损失;基于学生‑教师模型生成的伪标签,进行图像‑文本对比学习,通过最小化对比学习损失函数来优化模型参数,最终计算鼻咽癌分割模型的总损失函数,达到训练优化鼻咽癌分割模型的目的;显著提高分割精度,通过引入文本信息和对比学习的方法,在鼻咽癌分割任务上比传统半监督学习方法显示出更高的精确度和泛化能力。
-