公开(公告)号：CN116363373B

公开(公告)日：2023-10-13

申请号：CN202310639583.1

申请日：2023-06-01

Applicant: 南京大学

Inventor： 杨孝平 ,  邹礼稳 ,  蔡正华 ,  仇毓东 ,  贵鹿颖 ,  毛谅

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种在CT图像上基于级联末端引导机制的扩张胰管分割方法。首先构建一个基本的串联分割网络依次得到胰腺分割结果和扩张胰管的粗分割结果，并在扩张胰管的粗分割结果上基于图结构建立对扩张胰管末端区域的注意力机制；其次训练一个嵌入解剖信息的子网络，其输入分别为扩张胰管的末端图像、扩张胰管的粗分割结果和胰腺分割结果对应的局部解剖注意力图，网络输出扩张胰管的细分割结果；最后设计一个末端抗干扰网络，其输入为扩张胰管末端图像和细分割结果，网络输出细分割结果可能存在的混淆区域，将其与细分割结果结合以得到扩张胰管的最终分割结果。本发明可以在CT图像上得到末端更加完整、精度更高的扩张胰管分割结果。

公开(公告)号：CN119832010A

公开(公告)日：2025-04-15

申请号：CN202510010071.8

申请日：2025-01-03

Applicant: 南京大学

Inventor： 杨孝平 ,  田露 ,  邹礼稳 ,  聂梓伟 ,  温鹏旭 ,  曹莹

IPC: G06T7/11 ,  G06T7/12 ,  G06T7/13 ,  G06T7/149 ,  G06T7/40

Abstract: 本发明公开了一种基于单点标注的医学图像弱监督变分分割方法，涉及医学图像中肿瘤分割技术领域。首先在目标肿瘤区域内随机地取一个点，根据整个CT图像的纹理方向信息、边界处灰度的局部方向信息和灰度的异质性构建一个新的各向异性的黎曼度量。其次计算整个CT图像中所有点到肿瘤区域内所取点的两种距离：基于新的黎曼度量的测地距离和欧氏距离。随后，将这两种逐点的距离信息嵌入到Chan‑Vese模型中。最后证明了模型解的存在性和唯一性，并采用Douglas‑Rachford算法对其进行求解，得到最终肿瘤的分割结果。本发明可以得到更精确、更有效、更鲁棒的分割结果，可用于肿瘤检测、定位和分割，还可以大大减少人工标注的工作量，具有较高的临床应用价值。

公开(公告)号：CN116503605A

公开(公告)日：2023-07-28

申请号：CN202310639579.5

申请日：2023-06-01

Applicant: 南京大学

Inventor： 杨孝平 ,  邹礼稳 ,  蔡正华 ,  仇毓东 ,  聂梓伟 ,  毛谅

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/762 ,  G06V10/764 ,  G06V40/14 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明公开了一种基于迭代主干生长和弱监督学习的胰周血管分割标记方法，发明的核心是设计了一个迭代主干生长机制和一个基于弱监督学习的标记框架。迭代主干生长机制包括一系列可迭代的主干生长模块，每个模块通过对胰周血管的基本分割结果施加连通性约束和分支提议网络使其能在保证连通性的基础上逐渐生长得更加完整；基于弱监督学习的标记框架首先使用一个基于解剖规则的标记算法生成血管分支类别的伪标签，然后训练一个标记网络来学习血管分支的分布特征，最后使用一个自适应的后处理模块来修正血管的结构。本发明不仅可以得到更加完整且完全连通的胰周血管分割结果，而且可以使用更少的人工成本获得与全监督标记方法相当的胰周血管标记精度。

公开(公告)号：CN116503605B

公开(公告)日：2023-10-13

申请号：CN202310639579.5

申请日：2023-06-01

Applicant: 南京大学

Inventor： 杨孝平 ,  邹礼稳 ,  蔡正华 ,  仇毓东 ,  聂梓伟 ,  毛谅

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/762 ,  G06V10/764 ,  G06V40/14 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明公开了一种基于迭代主干生长和弱监督学习的胰周血管分割标记方法，发明的核心是设计了一个迭代主干生长机制和一个基于弱监督学习的标记框架。迭代主干生长机制包括一系列可迭代的主干生长模块，每个模块通过对胰周血管的基本分割结果施加连通性约束和分支提议网络使其能在保证连通性的基础上逐渐生长得更加完整；基于弱监督学习的标记框架首先使用一个基于解剖规则的标记算法生成血管分支类别的伪标签，然后训练一个标记网络来学习血管分支的分布特征，最后使用一个自适应的后处理模块来修正血管的结构。本发明不仅可以得到更加完整且完全连通的胰周血管分割结果，而且可以使用更少的人工成本获得与全监督标记方法相当的胰周血管标记精度。

公开(公告)号：CN116363373A

公开(公告)日：2023-06-30

申请号：CN202310639583.1

申请日：2023-06-01

Applicant: 南京大学

Inventor： 杨孝平 ,  邹礼稳 ,  蔡正华 ,  仇毓东 ,  贵鹿颖 ,  毛谅

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种在CT图像上基于级联末端引导机制的扩张胰管分割方法。首先构建一个基本的串联分割网络依次得到胰腺分割结果和扩张胰管的粗分割结果，并在扩张胰管的粗分割结果上基于图结构建立对扩张胰管末端区域的注意力机制；其次训练一个嵌入解剖信息的子网络，其输入分别为扩张胰管的末端图像、扩张胰管的粗分割结果和胰腺分割结果对应的局部解剖注意力图，网络输出扩张胰管的细分割结果；最后设计一个末端抗干扰网络，其输入为扩张胰管末端图像和细分割结果，网络输出细分割结果可能存在的混淆区域，将其与细分割结果结合以得到扩张胰管的最终分割结果。本发明可以在CT图像上得到末端更加完整、精度更高的扩张胰管分割结果。