-
公开(公告)号：CN112508949B
公开(公告)日：2021-05-11
申请号：CN202110135783.4
申请日：2021-02-01
Applicant: 之江实验室
Abstract: 本发明公开了一种SPECT三维重建图像左心室自动分割的方法，通过对原始SPECT胸部三维图像线性插值进行等比例缩小，利用特征提取网络对缩小后图像提取刚性配准参数特征，利用空间变换网络及参数特征对SPECT图像进行自动转向获得标准视图的预测图像，从预测图像中切割中心部位获取心脏图像，并通过U‑NET网络进行图像自动分割获得标准视图下的左心室结构分割结果。本发明使用多任务学习的深度学习网络同步提取图像的位置特征和语义特征，并利用双网络特征的互相监督达到网络一体化训练的效果实现不同角度到标准视图的一体化自动转向、心脏定位及左心室的结构分割，减少了手动转向、分割的复杂性和人为误差，实现了图像操作的全自动并提高了准确性。
-
公开(公告)号：CN112508949A
公开(公告)日：2021-03-16
申请号：CN202110135783.4
申请日：2021-02-01
Applicant: 之江实验室
Abstract: 本发明公开了一种SPECT三维重建图像左心室自动分割的方法，通过对原始SPECT胸部三维图像线性插值进行等比例缩小，利用特征提取网络对缩小后图像提取刚性配准参数特征，利用空间变换网络及参数特征对SPECT图像进行自动转向获得标准视图的预测图像，从预测图像中切割中心部位获取心脏图像，并通过U‑NET网络进行图像自动分割获得标准视图下的左心室结构分割结果。本发明使用多任务学习的深度学习网络同步提取图像的位置特征和语义特征，并利用双网络特征的互相监督达到网络一体化训练的效果实现不同角度到标准视图的一体化自动转向、心脏定位及左心室的结构分割，减少了手动转向、分割的复杂性和人为误差，实现了图像操作的全自动并提高了准确性。
-
公开(公告)号：CN113506333A
公开(公告)日：2021-10-15
申请号：CN202111057958.0
申请日：2021-09-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于可变形图谱的医学影像配准网络训练数据集扩充方法。该方法首先在尽可能避免引入不符合形态学变形的前提下，将输入的训练数据配准到不同形态的图谱上。随后，评估配准后训练数据和图谱的差异，修正图谱的参数向不引入不合理变形的方向微调。接着，在最大化配准精度的条件下，将输入的训练数据配准到不同形态的修正后的图谱上，恢复出训练数据第一次配准时未变形完全的细节。最后，计算相关性度量参数，剔除不满足预期的变形数据，从而生成与输入训练数据集形态不同且反应人体形态真实变化规律的扩充数据集。本发明可以有效地扩充医学影像配准网络的训练数据集，从而降低构建数据集的时间成本、人力成本和费用成本。
-
-
Search Results
3
records
(took 0.01 seconds)
