公开(公告)号：CN112529911A

公开(公告)日：2021-03-19

申请号：CN202011437755.X

申请日：2020-12-07

Applicant: 重庆大学

Inventor： 文静 ,  宁民权 ,  王翊 ,  黄意

IPC: G06T7/11 ,  G06T7/187 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开一种胰腺图像分割模型的训练方法、图像分割方法和装置，具体包括以下步骤：获取胰腺图像，所述胰腺图像包括2D图像和3D图像，并对2D图像和3D图像进行裁剪、缩放和HU值截断，截断范围为[‑300,300]；将截断后的2D图像输入训练完成的2‑3D网络分割模型的第一子模型，从而输出2D分割结果和2D特征；将2D分割结果和3D图像数据进行结合得到3D图像特征，将3D图像特征和2D特征输入第二子模型，从而输出3D分割结果。本发明通过将传统2D网络和3D网络进行有机的结合得到2‑3D网络分割模型，从而保证胰腺分割拥有一个较高的分割率，为后续的医生诊断提供了可靠的信息。

公开(公告)号：CN112529911B

公开(公告)日：2024-02-09

申请号：CN202011437755.X

申请日：2020-12-07

Applicant: 重庆大学

Inventor： 文静 ,  宁民权 ,  王翊 ,  黄意

IPC: G06F30/27 ,  G06T7/11 ,  G06N3/08

Abstract: 本发明公开一种胰腺图像分割模型的训练方法、图像分割方法和装置，具体包括以下步骤：获取胰腺图像，所述胰腺图像包括2D图像和3D图像，并对2D图像和3D图像进行裁剪、缩放和HU值截断，截断范围为[‑300,300]；将截断后的2D图像输入训练完成的2‑3D网络分割模型的第一子模型，从而输出2D分割结果和2D特征；将2D分割结果和3D图像数据进行结合得到3D图像特征，将3D图像特征和2D特征输入第二子模型，从而输出3D分割结果。本发明通过将传统2D网络和3D网络(56)对比文件Liu, Siqi, et al. .“3d anisotropichybrid network: Transferringconvolutional features from 2d images to3d anisotropic volumes”《.Medical ImageComputing and Computer AssistedIntervention–MICCAI 2018: 21stInternational Conference》.2018,全文.Li, Xiaomeng, et al..“H-DenseUNet:hybrid densely connected UNet for liverand tumor segmentation from CT volumes”.《IEEE transactions on medical imaging37.12 (2018)》.2018,全文.