一种显著性参考和解耦的食管肿瘤CT影像扩散分割方法

    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

    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。

    一种显著性参考和解耦的食管肿瘤CT影像扩散分割方法

    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

    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。

Patent Agency Ranking