公开(公告)号：CN118587470A

公开(公告)日：2024-09-03

申请号：CN202410548215.0

申请日：2024-05-06

Applicant: 浙江工业大学

Inventor： 徐新黎 ,  杨益统 ,  胡海根 ,  周乾伟 ,  龙海霞 ,  管秋

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/09 ,  G06T7/11

Abstract: 一种双分支证据动态融合伪标签的简笔监督医学图像分割方法，双分支特征器训练单元通过上下分支特征提取网络，获得输入医学图像各像素点的有差异的两个特征结果，上下分支共享解码器参数，不需要额外训练两个不同的特征提取网络；证据获取单元将上下分支提取到的像素点特征结果进行重新建模，获取上下分支的Dirichlet分布；联合训练单元同时利用上下分支Dirichlet分布，使用证据融合，通过一致性损失以监督没有标签的证据，使用部分证据优化损失优化有标签的证据。以及提供一种简笔监督医学图像分割系统。本发明在保证分割性能的同时提高了模型的泛化能力和鲁棒性。

公开(公告)号：CN118096812A

公开(公告)日：2024-05-28

申请号：CN202311229571.8

申请日：2023-09-22

Applicant: 浙江工业大学

Inventor： 徐新黎 ,  杨益统 ,  王凯栋 ,  管秋 ,  龙海霞 ,  胡海根

IPC: G06T7/194 ,  G06T7/11 ,  G06V10/26 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 基于超像素和双分支图卷积网络的涂鸦监督上颌窦分割方法和装置，其方法包括：对口腔CBCT冠状图上颌窦区域进行涂鸦标注；划分数据集并生成超像素集；使用超像素集训练改进的特征提取网络；提取训练图像的超像素特征并构建超像素图；训练双分支超像素分类网络；提取超像素特征；构建超像素图；分割上颌窦。将口腔CBCT图像输入线性谱聚类得到对应图像的超像素块；运用改进的Unet提取其各超像素块的特征，并依据超像素块之间的空间关系构建各图像的超像素图；使用上下分支图卷积神经网络，将改进的图卷积神经网络IGCN作为主要的超像素分类网络；同时上下分支网络共享图卷积层参数。本发明解决了涂鸦标注监督信息不足导致分割性能不佳的问题。