公开(公告)号：CN116402835B

公开(公告)日：2025-04-15

申请号：CN202211556140.8

申请日：2022-12-06

Applicant: 重庆邮电大学

Inventor： 郑申海 ,  孙秋玉 ,  叶鑫 ,  李腊全

IPC: G06T7/11 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种多尺度对抗学习的医学图像肿瘤分割方法，通过Res‑UNet网络模型对医学图像进行粗分割，得到感兴趣区域；构建三级级联的多尺度对抗学习困难监督网络模型MSALDS‑UNet网络模型对感兴趣区进行细分割，从而精准分割器官、肿瘤和肿瘤核心区域。将器官、肿瘤和肿瘤核心区域替换至医学图像中，得到肿瘤分割图像，该图像精准展示了医学图像中的器官、肿瘤和肿瘤核心区域。本发明可以从医学图像中精准分割器官、肿瘤和肿瘤核心区域，解决现有的分割技术难以将器官、肿瘤和肿瘤核心区域从正常组织中精准区分出来，使得无法实现对肿瘤的精准分割的问题。

公开(公告)号：CN116402835A

公开(公告)日：2023-07-07

申请号：CN202211556140.8

申请日：2022-12-06

Applicant: 重庆邮电大学

Inventor： 郑申海 ,  孙秋玉 ,  叶鑫 ,  李腊全

IPC: G06T7/11 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种多尺度对抗学习的医学图像肿瘤分割方法，通过Res‑UNet网络模型对医学图像进行粗分割，得到感兴趣区域；构建三级级联的多尺度对抗学习困难监督网络模型MSALDS‑UNet网络模型对感兴趣区进行细分割，从而精准分割器官、肿瘤和肿瘤核心区域。将器官、肿瘤和肿瘤核心区域替换至医学图像中，得到肿瘤分割图像，该图像精准展示了医学图像中的器官、肿瘤和肿瘤核心区域。本发明可以从医学图像中精准分割器官、肿瘤和肿瘤核心区域，解决现有的分割技术难以将器官、肿瘤和肿瘤核心区域从正常组织中精准区分出来，使得无法实现对肿瘤的精准分割的问题。