CN114529562B 一种基于辅助学习任务与重分割约束的医学图像分割方法 （安徽大学）_第1页
CN114529562B 一种基于辅助学习任务与重分割约束的医学图像分割方法 （安徽大学）_第2页
CN114529562B 一种基于辅助学习任务与重分割约束的医学图像分割方法 （安徽大学）_第3页
CN114529562B 一种基于辅助学习任务与重分割约束的医学图像分割方法 （安徽大学）_第4页
CN114529562B 一种基于辅助学习任务与重分割约束的医学图像分割方法 （安徽大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于辅助学习任务与重分割约束的医本发明涉及一种基于辅助学习任务与重分序的步骤：(1)对三维人脑核磁共振数据进行预习任务与重分割约束的分割网络；(3)将训练集输入分割网络进行训练,得到训练好的分割网从语义层面为分割网络的训练提供额外的监督2所述第一编码模块和第二编码模块均由四个卷积块和三个最大池化下所述第一解码模块、第二解码模块和第三解码模块均由三个反卷积块2.根据权利要求1所述的基于辅助学习任务与重分割约束的医学图像分割方法，其特3.根据权利要求1所述的基于辅助学习任务与重分割约束的医学图像分割方法，其特3(3e)将分割结果与所对应的真实分割图进行对比，通过骰子损失函数计算分割损失；分割结果；将步骤(3b)得到的重建结果与输入分割网络的待分割的训练集数据进行对比，4.根据权利要求1所述的基于辅助学习任务与重分割约束的医学图像分割方法，其特第一最大池化下采样层、第二最大池化下采样层和第三最大所述第九卷积层的卷积核大小为3×3×3，卷积核个数为256个；第十卷积5.根据权利要求1所述的基于辅助学习任务与重分割约束的医学图像分割方法，其特45提高分割结果的准确性的基于辅助学习任务与重分割约束的医学图像6[0017]所述第一编码模块和第二编码模块均由四个卷积块和三个最大池化下采样层组[0023](3d)将第二特征图输入到第三个789[0048]所述第一编码模块和第二编码模块均由四个卷积块和三个最大池化下采样层组[0054](3d)将第二特征图输入到第三个[0065]本发明使用脑肿瘤分割(BraTS)2018挑战赛提供的共计285例3DMRI数据进行医学图像分割的研究。该数据集由四种MR序列组成，每一个患者的脑肿瘤3D图像的尺寸为

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论