-
公开(公告)号：CN113160253A
公开(公告)日：2021-07-23
申请号：CN202011600804.7
申请日：2020-12-29
Applicant: 南通大学
Abstract: 本发明提供一种基于稀疏标记的三维医学图像分割方法及存储介质。本发明能更好的分割三维医学图像，同时考虑冠状面、矢状面、横断面这三个切片方向的医学图像信息，丰富图像的特征，并设计包含目标分类和边缘回归的多任务深度神经网络模型，使得分类和回归两个任务相互帮助，实现准确的图像分割。另外，本发明允许医生只标记少部分医学图像的切片，就可以实现图像的准确分割，较好的解决了医学图像样本标记太少的实际问题，有效提高医学图像分割的自动化、智能化水平。
-
公开(公告)号：CN113160253B
公开(公告)日：2024-01-30
申请号：CN202011600804.7
申请日：2020-12-29
Applicant: 南通大学
Abstract: 本发明提供一种基于稀疏标记的三维医学图像分割方法及存储介质。本发明能更好的分割三维医学图像，同时考虑冠状面、矢状面、横断面这三个切片方向的医学图像信息，丰富图像的特征，并设计包含目标分类和边缘回归的多任务深度神经网络模型，使得分类和回归两个任务相互帮助，实现准确的图像分割。另外，本发明允许医生只标记少部分医学图像的切片，就可以实现图像的准确分割，较好的解决了医学图像样本标记太少的实际问题，有效提高医学图像分割的自动化、智能化水平。
-
公开(公告)号：CN111915594A
公开(公告)日：2020-11-10
申请号：CN202010781871.7
申请日：2020-08-06
Applicant: 南通大学
Abstract: 本发明公开了一种基于端对端神经网络的乳腺癌病灶图像分割方法，包括如下步骤：步骤一、人工标记：根据医生的经验在数据上标记病灶区域；步骤二、数据预处理：对三维图像数据预处理，剪切成适合神经网络的图像尺寸；步骤三、选取模型：选用改进的端对端神经网络模型；步骤四、训练模型：使用改进的网络模型，在标记好的训练集上训练最优模型；步骤五、预测数据：用训练好的模型预测病灶区域；步骤六、评估结果：利用相应的评价指标衡量病灶分割的准确率。本发明提出了一种改进的端对端神经网络，不仅在原始分辨率图像上使用空洞残差网络，保持目标丰富的特征信息；还采用加权形式的Dice损失函数，在小目标和病灶边缘区域上分割效果更好。
-
-
Search Results
3
records
(took 0.011 seconds)
