公开(公告)号：CN112419327B

公开(公告)日：2023-08-04

申请号：CN202011438792.2

申请日：2020-12-10

Applicant: 复旦大学附属肿瘤医院

Inventor： 王奕 ,  孙毅

IPC: G06V10/26 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/82

Abstract: 本发明公开一种基于生成对抗网络的图像分割方法、系统和装置，语义分割模型由一个分割网络S和生成对抗模型组成；分割网络S为输入数据x预测每一个像素点的标签概率图S(x)；生成器G根据噪声z生成出标签概率图G(z)；判别器D通过预测一个像素级别的置信图p，将虚假的标签概率图与真实标签概率图y分离。算法通过生成器和判别器之间的博弈来合成具有标注的三维医学图像数据，可解决有标注的医学图像数据匮乏的问题。生成的数据不涉及用户隐私，有利于医疗数据的共享。将SEG‑GAN分割模型通过让判别器来分辨生成器通过医学图像生成的标签和真实的标签，由此得到医学图像的分割，利用无标签的医学图像辅助模型训练，有效提高模型的分割效果。

公开(公告)号：CN112419327A

公开(公告)日：2021-02-26

申请号：CN202011438792.2

申请日：2020-12-10

Applicant: 复旦大学附属肿瘤医院

Inventor： 王奕 ,  孙毅

IPC: G06T7/10 ,  G06N3/04

Abstract: 本发明公开一种基于生成对抗网络的图像分割方法、系统和装置，语义分割模型由一个分割网络S和生成对抗模型组成；分割网络S为输入数据x预测每一个像素点的标签概率图S(x)；生成器G根据噪声z生成出标签概率图G(z)；判别器D通过预测一个像素级别的置信图p，将虚假的标签概率图与真实标签概率图y分离。算法通过生成器和判别器之间的博弈来合成具有标注的三维医学图像数据，可解决有标注的医学图像数据匮乏的问题。生成的数据不涉及用户隐私，有利于医疗数据的共享。将SEG‑GAN分割模型通过让判别器来分辨生成器通过医学图像生成的标签和真实的标签，由此得到医学图像的分割，利用无标签的医学图像辅助模型训练，有效提高模型的分割效果。