公开(公告)号：CN118154568A

公开(公告)日：2024-06-07

申请号：CN202410342048.4

申请日：2024-03-25

Applicant: 重庆邮电大学

Inventor： 栾晓 ,  刘晨阳 ,  刘玲慧 ,  樊雁冰

IPC: G06T7/00 ,  G06T7/10 ,  G06T7/136 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种基于图像增强和弱监督学习的脑血肿图像分割方法，属于数字图像处理领域。该方法包括：采集分类图数据和分割图数据，通过阈值处理法提取分类图和分割图中的脑血肿伪标签，同时生成伪正常图，通过原图减去所述伪正常图得到出血区域残差增强图；构建脑血肿图像分割模型，并采用残差增强图进行训练；该脑血肿图像分割模型结构以TransUnet为主干网络，在其编码器后添加有分类器模块和激活图提取器模块，在其解码器后添加有分割模块；通过训练好的脑血肿图像分割模型对脑出血图片的血肿区域进行分割。本发明使用大量的分类数据和少量的分割数据集，使得模型能学习大量的分类特征，可增强模型分割的鲁棒性。