-
公开(公告)号：CN112070777B
公开(公告)日：2021-10-08
申请号：CN202011249376.8
申请日：2020-11-10
Applicant: 中南大学湘雅医院
Abstract: 本发明公开了一种基于增量学习的多场景下的危及器官分割方法及设备，本方法中通过增量学习的方法使模型能够将旧的任务上学习到的特征有效的迁移到新的任务上，提升新任务的分割效果，同时在也能保持在旧的场景下的器官的分割性能，用单个模型有效的解决了不同场景下多器官的分割问题。
-
Patent Agency Ranking
-
公开(公告)号：CN112070777A
公开(公告)日：2020-12-11
申请号：CN202011249376.8
申请日：2020-11-10
Applicant: 中南大学湘雅医院
Abstract: 本发明公开了一种基于增量学习的多场景下的危及器官分割方法及设备，本方法中通过增量学习的方法使模型能够将旧的任务上学习到的特征有效的迁移到新的任务上，提升新任务的分割效果，同时在也能保持在旧的场景下的器官的分割性能，用单个模型有效的解决了不同场景下多器官的分割问题。
-
公开(公告)号：CN112508827A
公开(公告)日：2021-03-16
申请号：CN202011227685.5
申请日：2020-11-06
Applicant: 中南大学湘雅医院
Abstract: 本发明公开了一种基于深度学习的融合多场景的危及器官的分割方法，本方法考虑到场景内数据的共性特征，分别对每一个数据集构建一个分割模型，获取每个数据集中的每个器官训练得到的第一最优子模型和第二最优子模型；对全部的数据集构建一个集成模型，通过全部的数据集对集成模型进行训练，同时在训练的过程中，将得到的全部第一最优子模型和第二最优子模型均作为特征提取器引入至集成模型，用于引导集成模型对不同场景下的数据的训练，使集成模型既关注分割器官的个性化特征，也关注到器官和背景间的差异，能够提高待分割器官检出率的同时，也能降低假阳的出现。
-
公开(公告)号：CN112057751B
公开(公告)日：2022-11-29
申请号：CN202010816077.1
申请日：2020-08-14
Applicant: 中南大学湘雅医院
Abstract: 本发明提供了一种盆腔放疗危及器官自动勾画方法，该方法同时利用了宫颈癌外照射和腔内照射的CT图像，对同一个卷积神经网络模型进行半监督学习，提高了相同数据量下的勾画准确度，能有效提高医疗工作者的工作效率的勾画的一致性，提高宫颈癌放射治疗的精准度。
-
公开(公告)号：CN112508827B
公开(公告)日：2022-04-22
申请号：CN202011227685.5
申请日：2020-11-06
Applicant: 中南大学湘雅医院
IPC: G06T5/40 , G06T5/50 , G06T7/11 , G06K9/62 , G06V10/774
Abstract: 本发明公开了一种基于深度学习的融合多场景的危及器官的分割方法，本方法考虑到场景内数据的共性特征，分别对每一个数据集构建一个分割模型，获取每个数据集中的每个器官训练得到的第一最优子模型和第二最优子模型；对全部的数据集构建一个集成模型，通过全部的数据集对集成模型进行训练，同时在训练的过程中，将得到的全部第一最优子模型和第二最优子模型均作为特征提取器引入至集成模型，用于引导集成模型对不同场景下的数据的训练，使集成模型既关注分割器官的个性化特征，也关注到器官和背景间的差异，能够提高待分割器官检出率的同时，也能降低假阳的出现。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
