公开(公告)号：CN113269778B

公开(公告)日：2022-11-29

申请号：CN202110683693.9

申请日：2021-06-21

Applicant: 复旦大学

Inventor： 郭翌 ,  刘若韵 ,  汪源源 ,  周世崇 ,  常才

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/25 ,  G06V10/762 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于迭代的图像弱监督分割方法，将包含定位边界框的甲状腺超声图像作为弱监督信息，利用概率梯度标注方式获得训练标注，以迭代训练的方式不断更新深度学习弱监督分割网络参数和训练标签，最后采用训练后的网络对待处理图像进行分割。本发明通过迭代网络的优化，在无需人工干预的弱监督条件下将初始定位标签转化为最终的分割结果，可以在无需人工标注的弱监督条件下实现甲状腺超声图像中特定区域的准确分割。

公开(公告)号：CN113269778A

公开(公告)日：2021-08-17

申请号：CN202110683693.9

申请日：2021-06-21

Applicant: 复旦大学

Inventor： 郭翌 ,  刘若韵 ,  汪源源 ,  周世崇 ,  常才

IPC: G06T7/00 ,  G06T7/11 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于迭代的图像弱监督分割方法，将包含定位边界框的甲状腺超声图像作为弱监督信息，利用概率梯度标注方式获得训练标注，以迭代训练的方式不断更新深度学习弱监督分割网络参数和训练标签，最后采用训练后的网络对待处理图像进行分割。本发明通过迭代网络的优化，在无需人工干预的弱监督条件下将初始定位标签转化为最终的分割结果，可以在无需人工标注的弱监督条件下实现甲状腺超声图像中特定区域的准确分割。