公开(公告)号：CN111563897B

公开(公告)日：2024-01-05

申请号：CN202010287157.2

申请日：2020-04-13

Applicant: 北京理工大学

Inventor： 杨健 ,  范敬凡 ,  王涌天 ,  孟宪琦

IPC: G06T7/10 ,  G06T5/70 ,  G06V10/774 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0895

Abstract: 基于弱监督学习的乳腺核磁影像肿瘤分割的方法及装置，能够利用不完整的标注信息训练分割模型，在保证精度的同时，大大提高了分割的效率。方法包括：(1)标注MRI影像中最大肿瘤截面，作为分割标签；(2)对MRI影像进行灰度归一化和降低分辨率的处理；(3)将处理后的MRI影像和分割标签输入到深度学习神经网络中，结合体积预测弱监督损失，对深度学习神经网络进行训练，获得网络模型；(4)将待分割图像输入到所述网络模型中进行分割，获得分割结果；(5)基于步骤(4)的分割结果，选取最大连通域去除噪声，得到最终分割结果。

公开(公告)号：CN111563897A

公开(公告)日：2020-08-21

申请号：CN202010287157.2

申请日：2020-04-13

Applicant: 北京理工大学

Inventor： 杨健 ,  范敬凡 ,  王涌天 ,  孟宪琦

IPC: G06T7/10 ,  G06T5/00 ,  G06N3/08

Abstract: 基于弱监督学习的乳腺核磁影像肿瘤分割的方法及装置，能够利用不完整的标注信息训练分割模型，在保证精度的同时，大大提高了分割的效率。方法包括：(1)标注MRI影像中最大肿瘤截面，作为分割标签；(2)对MRI影像进行灰度归一化和降低分辨率的处理；(3)将处理后的MRI影像和分割标签输入到深度学习神经网络中，结合体积预测弱监督损失，对深度学习神经网络进行训练，获得网络模型；(4)将待分割图像输入到所述网络模型中进行分割，获得分割结果；(5)基于步骤(4)的分割结果，选取最大连通域去除噪声，得到最终分割结果。