一种基于深度学习的CT影像全心脏分割方法
公开
摘要
本发明公开了一种基于深度学习的CT影像全心脏分割方法；涉及医学图像领域；在网络编码阶段中引入残差模块，增强了网络捕捉全心脏子结构特征的能力。在解码阶段引入基于注意力机制的多尺度融合模块，该模块在反卷积之后融合多尺度特征并进行特征重利用，更好的融合了低级特征和高级特征。同时将加权交叉熵损失函数和加权DICE损失函数结合解决了类失衡问题，在分割细节上起到了良好的驱动作用。本发明实现方法简单，自动将全心脏分成7个子结构，包括左心房、左心室、左心室心肌、右心房、右心室、肺动脉、升动脉，测试一个数据只需几秒钟，极大的减少了医生投入的时间和学习成本，处理过程不需要人工交互，达到了应用的要求。
基本信息
专利标题 ：
一种基于深度学习的CT影像全心脏分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114596317A
申请号 ：
CN202210253312.8
公开（公告）日 ：
2022-06-07
申请日 ：
2022-03-15
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
杨金柱陈乐马春燕黄艳瞿明军曹鹏冯朝路覃文军栗伟
申请人 ：
东北大学
申请人地址 ：
辽宁省沈阳市和平区文化路3号巷11号
代理机构 ：
沈阳东大知识产权代理有限公司
代理人 ：
李在川
优先权 ：
CN202210253312.8
主分类号 ：
G06T7/10
IPC分类号 ：
G06T7/10 G06T3/40 G06N3/08 G06N3/04 G06K9/62 G06V10/774 G06V10/82 G06V10/80
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/10
分割；边缘检测
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
