公开(公告)号：CN119273704B

公开(公告)日：2025-04-04

申请号：CN202411807262.9

申请日：2024-12-10

Applicant: 安徽大学

Inventor： 徐凯 ,  马业成 ,  汪帮俊 ,  贾兆红 ,  黄勇

IPC: G06T7/11 ,  G06T5/70 ,  G06T5/60 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供了一种显著性参考和解耦的食管肿瘤CT影像扩散分割方法，通过结合显著性伪标签和扩散去噪网络，提高肿瘤分割的准确性。首先，对食管肿瘤CT图像进行预处理，并生成显著性伪标签，增强网络对肿瘤区域的关注。然后，构建显著性参考的分割网络和扩散去噪网络，采用条件扩散模型逐步加噪和去噪还原图像。设计了分割与去噪任务解耦的多任务学习框架，通过一致性约束确保任务之间的协同优化。通过联合优化交叉熵损失、Dice损失、均方误差和一致性损失，提高分割性能。实验结果表明，该方法能有效提升食管肿瘤的分割精度，具有较强的临床应用潜力。

公开(公告)号：CN119273704A

公开(公告)日：2025-01-07

申请号：CN202411807262.9

申请日：2024-12-10

Applicant: 安徽大学

Inventor： 徐凯 ,  马业成 ,  汪帮俊 ,  贾兆红 ,  黄勇

IPC: G06T7/11 ,  G06T5/70 ,  G06T5/60 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供了一种显著性参考和解耦的食管肿瘤CT影像扩散分割方法，通过结合显著性伪标签和扩散去噪网络，提高肿瘤分割的准确性。首先，对食管肿瘤CT图像进行预处理，并生成显著性伪标签，增强网络对肿瘤区域的关注。然后，构建显著性参考的分割网络和扩散去噪网络，采用条件扩散模型逐步加噪和去噪还原图像。设计了分割与去噪任务解耦的多任务学习框架，通过一致性约束确保任务之间的协同优化。通过联合优化交叉熵损失、Dice损失、均方误差和一致性损失，提高分割性能。实验结果表明，该方法能有效提升食管肿瘤的分割精度，具有较强的临床应用潜力。