公开(公告)号：CN119067992A

公开(公告)日：2024-12-03

申请号：CN202411174674.3

申请日：2024-08-26

Applicant: 电子科技大学长三角研究院(衢州) ,  衢州学院

Inventor： 刘念伯 ,  周小龙 ,  田昊翔 ,  王晓敏 ,  杨梅乙 ,  刘明辉 ,  邓佳丽 ,  龚海刚 ,  刘明

IPC: G06T7/11 ,  G06T5/70 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0895

Abstract: 本发明公开了一种应用深度学习在CT切片图像上分割肝脏肿瘤的方法。该方法引入了一个名为MPVT+的神经网络框架，用于在带有噪声标签的数据集上训练肝脏肿瘤的分割模型。通过使用对噪声具有鲁棒性的适配器模型方法，MPVT+模型能够有效地适配并筛选训练数据集中的噪声标签，从而减少噪声对神经网络的干扰。此外，MPVT+模型还通过半监督学习方法增强其泛化能力，使其能够高效地学习复杂的CT切片图像特征。在测试数据集上，该模型的索伦森‑戴斯系数为80.29％，雅卡尔指数为68.68％，对称体积差为19.71％，体积重叠误差为31.32％。该模型可以无创地使用CT图像分割并定位肝脏内的肿瘤，从而成为帮助医生制定各种肝脏肿瘤治疗策略的潜在工具。