-
公开(公告)号：CN112651969B
公开(公告)日：2023-04-07
申请号：CN202110169782.1
申请日：2021-02-08
Applicant: 福州大学
IPC: G06T7/00 , G06T7/11 , G06T7/12 , G06V10/25 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种结合多信息融合网络和区域增长的气管树分级提取方法，其包括以下步骤：步骤S1：获取肺部的CT图像，并预处理；步骤S2:将预处理后的肺部的CT图像集进行分级，划分整体气管树和细小气管分支两个训练集；步骤S3:分别对整体气管树训练集和细小气管分支训练集进行采样，得到整体气管树训练子集和细小气管训练子集；步骤S4:构建多信息融合分割模型，并根据整体气管树训练子集训练；步骤S5:构建体素分类网络模型，并根据细小气管训练子集训练；步骤S6:将待分割图像数据依次输入训练后的多信息融合分割模型和训练后的体素分类网络模型，得到初步气管树；步骤S7:基于中心线的几何重建方法进处理初步气管树，得到最终的气管树。本发明有效提高分类的准确性。
-
公开(公告)号：CN112651969A
公开(公告)日：2021-04-13
申请号：CN202110169782.1
申请日：2021-02-08
Applicant: 福州大学
Abstract: 本发明涉及一种结合多信息融合网络和区域增长的气管树分级提取方法，其包括以下步骤：步骤S1：获取肺部的CT图像，并预处理；步骤S2:将预处理后的肺部的CT图像集进行分级，划分整体气管树和细小气管分支两个训练集；步骤S3:分别对整体气管树训练集和细小气管分支训练集进行采样，得到整体气管树训练子集和细小气管训练子集；步骤S4:构建多信息融合分割模型，并根据整体气管树训练子集训练；步骤S5:构建体素分类网络模型，并根据细小气管训练子集训练；步骤S6:将待分割图像数据依次输入训练后的多信息融合分割模型和训练后的体素分类网络模型，得到初步气管树；步骤S7:基于中心线的几何重建方法进处理初步气管树，得到最终的气管树。本发明有效提高分类的准确性。
-
公开(公告)号：CN114332013B
公开(公告)日：2024-07-26
申请号：CN202111636037.X
申请日：2021-12-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于肺动脉树分级的CT图像靶肺段识别方法，包括以下步骤：步骤S1:获取CT图像数据，并重建出肺结构，包括肺结节、支气管、肺动脉树和肺叶；步骤S2:对肺动脉树提取初始中心线，并通过端点检测器和轨迹提取器构造完整且连续的拓扑树;步骤S3:根据拓扑树，结合肺叶、支气管先验知识进行约束，确定18个动脉节段子树；步骤S4:确定靶向动脉分支；步骤S5:对肺叶上的每个体素点计算最邻近动脉节段子树，并归属到相应的肺段；同样的，根据距离关系，计算靶向动脉分支在关联肺段中所支配区域，确定靶肺段。本发明充分考虑各肺解剖结构之间的关联性，实现动脉的分级标注，精准确定靶向动脉分支，进而划分肺段和确认靶肺段。
-
公开(公告)号：CN114332013A
公开(公告)日：2022-04-12
申请号：CN202111636037.X
申请日：2021-12-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于肺动脉树分级的CT图像靶肺段识别方法，包括以下步骤：步骤S1:获取CT图像数据，并重建出肺结构，包括肺结节、支气管、肺动脉树和肺叶；步骤S2:对肺动脉树提取初始中心线，并通过端点检测器和轨迹提取器构造完整且连续的拓扑树;步骤S3:根据拓扑树，结合肺叶、支气管先验知识进行约束，确定18个动脉节段子树；步骤S4:确定靶向动脉分支；步骤S5:对肺叶上的每个体素点计算最邻近动脉节段子树，并归属到相应的肺段；同样的，根据距离关系，计算靶向动脉分支在关联肺段中所支配区域，确定靶肺段。本发明充分考虑各肺解剖结构之间的关联性，实现动脉的分级标注，精准确定靶向动脉分支，进而划分肺段和确认靶肺段。
-
-
-
Search Results
4
records
(took 0.013 seconds)
