公开(公告)号：CN118691638A

公开(公告)日：2024-09-24

申请号：CN202410810283.X

申请日：2024-06-21

Applicant: 南京理工大学

Inventor： 周涛 ,  顾芸绮

IPC: G06T7/136 ,  G06T7/11 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明涉及一种基于样本互学习和SAM引导伪标签生成的半监督医学图像分割方法及装置，该方法包括：收集医学图像，针对每个分割任务组成训练样本，并将训练样本按照一定比例分为标记数据集和无标记数据集；构建以UNet为骨干的神经网络，基于样本互学习和SAM引导伪标签生成训练优化神经网络参数，得到最优的神经网络；将待分割医学图像输入到最优的神经网络，得到分割后的图像。本发明可以充分利用未标记数据来提高分割精度。

公开(公告)号：CN117496143A

公开(公告)日：2024-02-02

申请号：CN202311435651.9

申请日：2023-10-31

Applicant: 南京理工大学

Inventor： 周涛 ,  顾芸绮 ,  张轶哲

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/0455

Abstract: 本发明涉及一种基于双尺度增强和交叉生成一致性学习的半监督息肉图像分割方法及装置，充分利用未标记数据来提高分割精度。本发明提出了跨层特征聚合模块来整合跨层相邻层，以增强不同分辨率下特征的表示能力；为了处理尺度变化问题，提出了双尺度一致性约束，以确保同一输入图像在不同尺度下的分割图的一致性；此外，结合尺度感知的扰动一致性约束和交叉生成一致性约束挖掘有效的特征表示来提升分割性能。

公开(公告)号：CN117437423A

公开(公告)日：2024-01-23

申请号：CN202311621352.4

申请日：2023-11-29

Applicant: 南京理工大学

Inventor： 周涛 ,  赵一鸣 ,  顾芸绮

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于SAM协同学习和跨层特征聚合增强的弱监督医学图像分割方法及装置，通过将弱监督分割网络与SAM协同学习来提高分割精度。本发明提出了跨层特征聚合模块来整合跨层相邻层，以增强不同分辨率下特征的表示能力；为了增强分割器的性能，提出了一种基于协同学习的SAM分割掩码约束，提高分割结果的准确性；此外，针对SAM伪标签的不确定性问题，本发明提出了一种过滤机制，结合交叉一致性约束在涂鸦标签的指导下丢弃错误的伪标签。本发明有效地提高了弱监督网络分割医学图像的性能。