公开(公告)号：CN116778157B

公开(公告)日：2024-06-14

申请号：CN202310697320.6

申请日：2023-06-13

Applicant: 苏州大学

Inventor： 向德辉 ,  樊礼纲 ,  边云 ,  陈新建 ,  邵成伟

IPC: G06V10/26 ,  G06V10/82 ,  G06T3/04 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/40 ,  G06V10/77

Abstract: 本发明提供一种矩不变对比循环一致性对抗网络的跨域分割方法及系统，该方法包括获取源域图像xs、目标域图像xt以及源域金标准图像ys；将源域图像xs、目标域图像xt以及源域金标准图像ys输入到提前构建好的矩不变对比循环一致性对抗网络模型中，进行图像风格迁移训练；选取多个不同图像风格迁移训练过程中生成的图像作为训练数据；将训练数据和源域金标准图像ys输入到提前构建好的分割模型中，进行图像分割训练，基于语义一致性约束得到训练好的分割模型；利用训练好的分割网络模型对CT图像和MR图像中胰腺区域进行跨域分割。本发明实现了对CT图像和MR图像中胰腺区域的跨域分割，使得分割结果更加精确。

公开(公告)号：CN116778157A

公开(公告)日：2023-09-19

申请号：CN202310697320.6

申请日：2023-06-13

Applicant: 苏州大学

Inventor： 向德辉 ,  樊礼纲 ,  边云 ,  陈新建 ,  邵成伟

IPC: G06V10/26 ,  G06V10/82 ,  G06T3/00 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/40 ,  G06V10/77

Abstract: 本发明提供一种矩不变对比循环一致性对抗网络的跨域分割方法及系统，该方法包括获取源域图像xs、目标域图像xt以及源域金标准图像ys；将源域图像xs、目标域图像xt以及源域金标准图像ys输入到提前构建好的矩不变对比循环一致性对抗网络模型中，进行图像风格迁移训练；选取多个不同图像风格迁移训练过程中生成的图像作为训练数据；将训练数据和源域金标准图像ys输入到提前构建好的分割模型中，进行图像分割训练，基于语义一致性约束得到训练好的分割模型；利用训练好的分割网络模型对CT图像和MR图像中胰腺区域进行跨域分割。本发明实现了对CT图像和MR图像中胰腺区域的跨域分割，使得分割结果更加精确。