公开(公告)号：CN119672347A

公开(公告)日：2025-03-21

申请号：CN202510187449.1

申请日：2025-02-20

Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) ,  厦门智融合科技有限公司

Inventor： 陈四方 ,  张龙晖 ,  钟平 ,  陈法全 ,  黄晨曦 ,  陈榕灿 ,  奚丹

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06V10/74 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0895

Abstract: 本发明公开了一种基于文本驱动和亲和力学习的医学图像分割方法及装置，涉及弱监督学习领域，包括：构建基于文本驱动的医学图像分割模型并训练，得到经训练的医学图像分割模型；获取待分割的医学图像及其对应的专业知识和文本标签并输入到经训练的医学图像分割模型，分别利用标签编码器和专业知识编码器对文本标签和专业知识进行编码，通过知识注意力模块引导图像特征关注目标组织的相关区域，进一步生成初始伪标签，通过亲和力预测模块计算得到亲和力预测值，利用亲和力预测值修正初始伪标签，得到待分割的医学图像对应的伪标签。本发明解决了现有弱监督方法CAM激活不足以及图像标签不能够提供足够的监督信息等问题。

公开(公告)号：CN119672051A

公开(公告)日：2025-03-21

申请号：CN202510185683.0

申请日：2025-02-20

Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) ,  厦门智融合科技有限公司

Inventor： 兰泉 ,  张龙晖 ,  钟平 ,  张浩然 ,  黄晨曦 ,  陈榕灿 ,  奚丹

IPC: G06T7/11 ,  G06V10/52 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774

Abstract: 本发明公开了一种基于分层多尺度CNN‑Transformer的医学图像分割方法及装置，涉及深度学习领域，构建基于CNN‑Transformer的医学图像分割模型并训练，得到经训练的医学图像分割模型，获取待分割的医学图像并输入到经训练的医学图像分割模型，将待分割的医学图像输入到茎层中进行块分割，得到块图像，将块图像输入到编码模块，得到第1阶段的编码特征和第3阶段的编码特征；将第1阶段的编码特征和第3阶段的编码特征输入到双层特征融合模块，分别得到校准后的第1阶段的编码特征和校准后的第3阶段的编码特征；将校准后的第1阶段的编码特征和校准后的第3阶段的编码特征输入到解码单元，得到预测分割结果。本发明能够提升模型对多尺度长程依赖关系和局部空间信息建模的能力。

公开(公告)号：CN119649039A

公开(公告)日：2025-03-18

申请号：CN202510182194.X

申请日：2025-02-19

Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) ,  厦门智融合科技有限公司

Inventor： 陈四方 ,  张龙晖 ,  钟平 ,  谢河富 ,  黄晨曦 ,  陈榕灿 ,  奚丹

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088 ,  G06V10/764

Abstract: 本发明公开了一种基于伪标签的无源无监督域适应医学图像分割方法及装置，涉及计算机技术领域，方法包括：有监督的源域模型训练阶段、无监督自适应的目标域模型训练阶段和分割阶段，具体为运用伪标签像素级不确定性估计对源域医学图像进行像素级自标记生成可靠的伪标签，并在此基础上使用强弱增强的教师学生目标域模型充分利用高质量的伪标签来训练目标域医学图像来使网络适应特定于目标域医学图像的表示。本发明在已知源域模型和目标域未标记数据的前提下对目标域数据图进行无监督地分割，不需要访问源域数据且可以合理地利用上源域模型特征，能很好地缓解SFUDA存在的问题，在比UDA方法更少数据可用的情况下仍然保持在目标域上的准确分割能力。

公开(公告)号：CN119649038A

公开(公告)日：2025-03-18

申请号：CN202510180884.1

申请日：2025-02-19

Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所) ,  厦门智融合科技有限公司

Inventor： 陈四方 ,  张龙晖 ,  钟平 ,  谢河富 ,  黄晨曦 ,  陈榕灿 ,  奚丹

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/094 ,  G06N3/0475 ,  G06N3/048 ,  G06V10/778

Abstract: 本发明公开了一种基于多尺度特征的无监督域适应医学图像分割方法及装置，涉及计算机技术领域，方法包括：构建基于双重注意力的多尺度特征融合分割网络；将所述多尺度特征融合分割网络作为生成器，构建第一判别器和第二判别器；基于所述生成器、第一判别器和第二判别器进行训练，获得训练好的多尺度特征融合分割网络；使用训练好的多尺度特征融合分割网络对待处理医学图像进行分割。本发明引入多尺度特征考虑不同层次的特征表示，并通过对抗性特征对齐方法，通过对抗性学习实现源域和目标域特征的对齐，从而提升分割模型在目标域上的性能和泛化能力；且本发明无需使用目标域标签，能很好的缓解医学图像分割任务的无监督域适应问题。