-
公开(公告)号：CN112364924A
公开(公告)日：2021-02-12
申请号：CN202011275509.9
申请日：2020-11-16
Applicant: 南京大学
Abstract: 本发明公开一种基于深度学习的口腔医疗图像识别方法，首先利用病人口腔图像和对应的标记，使用深度学习训练一个基于多张连续医疗图像的两阶段深度神经网络模型；再用训练所得的模型预测未知的病人口腔图像，识别得到病人口腔图像的标记。本发明不再仅仅得到单张图像的预测结果，而是可以同时得到整个病人的预测结果。
-
公开(公告)号：CN110097131B
公开(公告)日：2023-04-28
申请号：CN201910378091.5
申请日：2019-05-08
Applicant: 南京大学
IPC: G06F18/214 , G16H30/40
Abstract: 本发明公开一种基于对抗协同训练的半监督医疗图像分割方法，使用少量有标注的医疗图像数据以及大量无标注的医疗图像数据来训练神经网络分割模型从而提升模型性能。模型使用了两个结构不同的解码器分支，这两个解码器分支共享同一个编码器，通过协同训练的方法可以使得两个解码器分支互相学习。同时，模型还使用对抗学习方法来训练一个判别器，判别器可以学习到分割结果和真实标签之间的高阶连续性，从而使得分割网络的输出在视觉上更接近真实标签。同时判别器还可以选择无标注数据的伪标签中置信度较高的部分来训练分割模型。本发明提供的方法不受疾病和病灶种类的限制，可以用于肝脏、口腔等各种部位疾病的医疗图像分割，具有很好的普适性和通用性。
-
公开(公告)号：CN110097131A
公开(公告)日：2019-08-06
申请号：CN201910378091.5
申请日：2019-05-08
Applicant: 南京大学
Abstract: 本发明公开一种基于对抗协同训练的半监督医疗图像分割方法，使用少量有标注的医疗图像数据以及大量无标注的医疗图像数据来训练神经网络分割模型从而提升模型性能。模型使用了两个结构不同的解码器分支，这两个解码器分支共享同一个编码器，通过协同训练的方法可以使得两个解码器分支互相学习。同时，模型还使用对抗学习方法来训练一个判别器，判别器可以学习到分割结果和真实标签之间的高阶连续性，从而使得分割网络的输出在视觉上更接近真实标签。同时判别器还可以选择无标注数据的伪标签中置信度较高的部分来训练分割模型。本发明提供的方法不受疾病和病灶种类的限制，可以用于肝脏、口腔等各种部位疾病的医疗图像分割，具有很好的普适性和通用性。
-
-
Search Results
3
records
(took 0.012 seconds)
