基于特征扰动和多尺度注意门的半监督心室图像分割方法
摘要文本
本发明提出一种基于特征扰动和多尺度注意门的半监督心室图像分割方法，通过给予特征扰动增加模型多样性以及最小化不同输出之间的差异建立起一种端到端的分割方式。该方法能够从未标记数据中的边缘区域捕获到更多有价值的特征。从预测的分割结果中计算出的骰子系数(Dice Similariy Coefficient, DSC)、杰卡德系数(Jaccard similarity coefficient，Jaccard)、95％豪斯多夫距离(The 95％Hausdorff distance, 95HD)、平均表面距离(Average Surface Distance, ASD)的值，这几个指标都优于现有的工作方法。此方法探索了深度学习在带标签数据稀缺的医学图像分割方面的优势，使得深度学习与半监督医学图像分割技术更好地结合起来以提高分割的准确性，帮助医生做出更为精准地诊断。 更多数据：
申请人信息
- 申请人:北京建筑大学; 中国人民解放军总医院第八医学中心
- 申请人地址:100044 北京市西城区展览馆路1号
- 发明人: 北京建筑大学; 中国人民解放军总医院第八医学中心
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于特征扰动和多尺度注意门的半监督心室图像分割方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311763190.8 |
| 申请日 | 2023/12/20 |
| 公告号 | CN117765256A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06V10/26 |
| 权利人 | 北京建筑大学; 中国人民解放军总医院第八医学中心 |
| 发明人 | 谭志; 程惠玲; 刘于红 |
| 地址 | 北京市西城区展览路1号; 北京市海淀区黑山扈17号 |
专利主权项内容
1.基于特征扰动和多尺度注意门的半监督心室图像分割方法，其特征在于，包括：S1对数据集进行预处理操作；S2基于进行了预处理之后的数据集，搭建主干模型；所述主干模型具有三条支路，所述三条支路共享所述主干模型的编码器；所述主干模型的解码器包括：位于所述三条支路中的两条支路上的线性插值层，位于另一条支路上的卷积层；所述三条支路的每条支路还具有多尺度注意门，所述每条支路通过自身的多尺度注意门将自身的解码器与所述主干模型的编码器进行跳跃连接，所述多尺度注意门用于将所述主干模型的编码器输出的特征图进行空间聚合；S3通过所述主干模型的编码器和解码器对进行了预处理之后的数据集进行编码和解码操作，获得三条支路输出的分割预测结果；S4利用所述三条支路输出的分割预测结果分割预测结果与真实标签进行计算，获得三条支路的分割损失；S5通过所述主干模型的锐化函数将所述三条支路输出的分割预测结果转化为软伪标签；分别使用所述三条支路中的任意一条支路的分割预测结果监督另外两条支路，计算获得该另外两条支路的一致性损失；S6将所述软伪标签、分割预测结果、分割损失和一致性损失加入数据集，重复步骤S3至S5，对所述主干模型进行迭代训练，输出心室图像分割图像。