公开(公告)号：CN114266726B

公开(公告)日：2024-12-24

申请号：CN202111387233.8

申请日：2021-11-22

Applicant: 中国科学院深圳先进技术研究院

Inventor： 乐美琰 ,  秦文健 ,  谢耀钦

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06V10/762 ,  G06V10/80

Abstract: 本申请涉及一种医学图像分割方法、系统、终端以及存储介质。所述方法包括：对第一模态图像和第二模态图像进行超像素提取；分别根据第一模态图像和第二模态图像的超像素为节点构建第一模态图神经网络和第二模态图神经网络，第一模态图神经网络和第二模态图神经网络根据中心位置距离及灰度均值差异计算每个超像素与邻域超像素的邻接矩阵，并根据邻接矩阵计算每个超像素在当前模态下的特征值；根据所述第一模态图像和第二模态图像的超像素为跨模态节点构建多模态图神经网络，所述多模态图神经网络将不同模态图像进行多模态信息融合，并根据融合后的特征图对第一模态图像进行分割。本发明无需多模态图像预先的精细配准，提高了医学图像的分割精度。

公开(公告)号：CN114266726A

公开(公告)日：2022-04-01

申请号：CN202111387233.8

申请日：2021-11-22

Applicant: 中国科学院深圳先进技术研究院

Inventor： 乐美琰 ,  秦文健 ,  谢耀钦

IPC: G06T7/00 ,  G06T7/11 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764

Abstract: 本申请涉及一种医学图像分割方法、系统、终端以及存储介质。所述方法包括：对第一模态图像和第二模态图像进行超像素提取；分别根据第一模态图像和第二模态图像的超像素为节点构建第一模态图神经网络和第二模态图神经网络，第一模态图神经网络和第二模态图神经网络根据中心位置距离及灰度均值差异计算每个超像素与邻域超像素的邻接矩阵，并根据邻接矩阵计算每个超像素在当前模态下的特征值；根据所述第一模态图像和第二模态图像的超像素为跨模态节点构建多模态图神经网络，所述多模态图神经网络将不同模态图像进行多模态信息融合，并根据融合后的特征图对第一模态图像进行分割。本发明无需多模态图像预先的精细配准，提高了医学图像的分割精度。

公开(公告)号：CN115994912A

公开(公告)日：2023-04-21

申请号：CN202111209495.5

申请日：2021-10-18

Applicant: 中国科学院深圳先进技术研究院

Inventor： 乐美琰 ,  秦文健 ,  谢耀钦

IPC: G06T7/10 ,  G06T3/00

Abstract: 本发明公开了一种基于领域自适应的多域医学图像分割方法。该方法包括：以设定的损失函数为目标训练变分自编码器，以提取不同域的隐空间编码和对应域的风格向量，其中，该变分自编码器包括编码器和解码器；对于待处理图像，利用所述变分自编码器推断域信息并提取域风格向量，将图像的隐空间编码减去相应域的风格向量，获得去风格化的隐空间编码；将所述去风格化的隐空间编码输入至所述解码器，重建出统一风格的图像；将所述统一风格的图像输入到经训练的分割网络，获得分割结果。本发明消除了多域数据之间的域鸿沟，并增加了训练分割网络的数据量，提升了图像分割精度。