-
公开(公告)号：CN111652886A
公开(公告)日：2020-09-11
申请号：CN202010374731.8
申请日：2020-05-06
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于改进U-net网络的肝肿瘤分割方法，包括：步骤一、获取腹部CT数据集，并进行预处理操作；步骤二、在对肝肿瘤分割前，首先将肝脏区域分割出来，基于Keras深度学习框架搭建肝脏分割的神经网络，后端选择的是tensorflow；步骤三、对基于改进U-net的肝脏分割网络进行训练；步骤四、基于Keras深度学习框架搭建基于改进U-net的肝肿瘤分割网络，并且对网络进行训练；步骤五、采用基于改进U-net的肝脏分割网络从腹部肝脏CT图像中分割出肝脏区域，并从肝脏区域分割出肿瘤和正常肝脏组织。本发明除了可以消除大量的误分割之外，还可以降低网络模型的复杂度。
-
公开(公告)号：CN111105476A
公开(公告)日：2020-05-05
申请号：CN201911349645.5
申请日：2019-12-24
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于Marching Cubes的CT图像三维重建方法。所述方法为选取三维重建的CT序列图像，建立立方体素与等值面相交关系索引表，确定等值面与立方体相交的边；设定三维数据场中的等值面的阈值，确定三维图像的立方体素；在相邻两层图片中取一顶点，遍历所有立方体素，得到等值点集合；缩小所述CT序列图像中顶点的距离，确定等值面与立方体素每条边的交点，遍历所有长度为1的立方体素，得到缩小后的等值点集合；根据缩小后的等值点集合，重新构建三角面片，输出等值面图像。本发明可以在保证精度的条件下大大缩短CT序列图像的三维重建时间。
-
公开(公告)号：CN111652886B
公开(公告)日：2022-07-22
申请号：CN202010374731.8
申请日：2020-05-06
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于改进U‑net网络的肝肿瘤分割方法，包括：步骤一、获取腹部CT数据集，并进行预处理操作；步骤二、在对肝肿瘤分割前，首先将肝脏区域分割出来，基于Keras深度学习框架搭建肝脏分割的神经网络，后端选择的是tensorflow；步骤三、对基于改进U‑net的肝脏分割网络进行训练；步骤四、基于Keras深度学习框架搭建基于改进U‑net的肝肿瘤分割网络，并且对网络进行训练；步骤五、采用基于改进U‑net的肝脏分割网络从腹部肝脏CT图像中分割出肝脏区域，并从肝脏区域分割出肿瘤和正常肝脏组织。本发明除了可以消除大量的误分割之外，还可以降低网络模型的复杂度。
-
公开(公告)号：CN111105476B
公开(公告)日：2023-04-11
申请号：CN201911349645.5
申请日：2019-12-24
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于Marching Cubes的CT图像三维重建方法。所述方法为选取三维重建的CT序列图像，建立立方体素与等值面相交关系索引表，确定等值面与立方体相交的边；设定三维数据场中的等值面的阈值，确定三维图像的立方体素；在相邻两层图片中取一顶点，遍历所有立方体素，得到等值点集合；缩小所述CT序列图像中顶点的距离，确定等值面与立方体素每条边的交点，遍历所有长度为1的立方体素，得到缩小后的等值点集合；根据缩小后的等值点集合，重新构建三角面片，输出等值面图像。本发明可以在保证精度的条件下大大缩短CT序列图像的三维重建时间。
-
-
-
Search Results
4
records
(took 0.02 seconds)
