公开(公告)号：CN113643302B

公开(公告)日：2023-10-27

申请号：CN202110826817.4

申请日：2021-07-21

Applicant: 上海交通大学

Inventor： 张小云 ,  杜连宇 ,  张娅 ,  王延峰 ,  陈思衡 ,  王钰

IPC: G06T7/11 ,  G06T7/181 ,  G06N3/04 ,  G06N3/088

Abstract: 本发明提供一种基于主动轮廓模型的无监督医学图像分割方法和系统，该方法通过基于人工设置参数的主动轮廓模型生成部分数据的标注用于分割网络的预训练。在分割网络得到预训练后，针对大量不含有标注的新图像，使用分割网络进行预测，得到粗糙的预测结果，再按照设定策略对主动轮廓模型的参数进行自动调整，利用图像底层信息得到更加精确的目标区域轮廓。在经过质量评价网络对生成轮廓进行筛选后，使用较高质量的轮廓作为伪标签进一步对分割网络进行训练。不断循环迭代，实现不依赖人工标注的情况下对图像进行分割。本发明实现了无监督情况下的医学图像分割，在保证准确率的情况下极大地避免对成本高昂的数据标注依赖，具有很好的泛化性。

公开(公告)号：CN113643302A

公开(公告)日：2021-11-12

申请号：CN202110826817.4

申请日：2021-07-21

Applicant: 上海交通大学

Inventor： 张小云 ,  杜连宇 ,  张娅 ,  王延峰 ,  陈思衡 ,  王钰

IPC: G06T7/11 ,  G06N3/08

Abstract: 本发明提供一种基于主动轮廓模型的无监督医学图像分割方法和系统，该方法通过基于人工设置参数的主动轮廓模型生成部分数据的标注用于分割网络的预训练。在分割网络得到预训练后，针对大量不含有标注的新图像，使用分割网络进行预测，得到粗糙的预测结果，再按照设定策略对主动轮廓模型的参数进行自动调整，利用图像底层信息得到更加精确的目标区域轮廓。在经过质量评价网络对生成轮廓进行筛选后，使用较高质量的轮廓作为伪标签进一步对分割网络进行训练。不断循环迭代，实现不依赖人工标注的情况下对图像进行分割。本发明实现了无监督情况下的医学图像分割，在保证准确率的情况下极大地避免对成本高昂的数据标注依赖，具有很好的泛化性。