公开(公告)号：CN119762419A

公开(公告)日：2025-04-04

申请号：CN202411495691.7

申请日：2024-10-25

Applicant: 复旦大学

Inventor： 张巍 ,  王陈 ,  张文强 ,  孙翊轩 ,  李由

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/26 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种用于细粒度支气管气道分割的双阶段主动学习方法，方法包括以下步骤：S1、基于预训练的自适应支气管管状物分割模型生成未标注医学图像数据集的嵌入向量；S2、选择多样性最大的候选样本加入最终样本集；S3、判断最终样本集的样本数是否达到阈值，若是则执行S4，反之继续选择多样性最大的候选样本加入最终样本集；S4、对所述最终样本集进行标注，标注后的样本集作为预训练的自适应支气管管状物分割模型的训练集进行训练，得到优化的自适应支气管管状物分割模型，基于所述优化的自适应支气管管状物分割模型得到复杂支气管网络分割结果。与现有技术相比，本发明具有提升所选样本集的价值密度，提高细微支气管识别精度等优点。