基于3D全卷积神经网络与多任务学习的肺叶分割方法
基本信息
| 申请号 | CN202110273759.7 | 申请日 | - |
| 公开（公告）号 | CN112734755A | 公开（公告）日 | 2021-04-30 |
| 申请公布号 | CN112734755A | 申请公布日 | 2021-04-30 |
| 分类号 | G06T7/00;G06T7/12;G06T5/00;G06N3/04;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 王成弟;章毅;李为民;郭际香;邵俊;徐修远;刘沛;刘金鑫;李经纬;王建勇 | 申请（专利权）人 | 成都智能迭迦科技合伙企业（有限合伙） |
| 代理机构 | 成都弘毅天承知识产权代理有限公司 | 代理人 | 黄海斌 |
| 地址 | 610000 四川省成都市武侯区一环路南一段24号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于3D全卷积神经网络与多任务学习的肺叶分割方法，属于肺叶自动分割领域。本发明包括如下步骤：准备肺叶相关数据并进行标定；对原始的肺叶CT图像数据以及有准确标签的肺叶相关数据均进行预处理，去除冗余的背景信息；基于多任务学习构建3D全卷积神经网络；使用预处理后的标定的肺叶相关数据与合成的学习误差训练所述构建的3D全卷积神经网络；使用训练好的3D全卷积神经网络对输入的三维肺叶CT图像进行肺叶分割，输出预测的肺叶标签。本发明能够接受原始大小的肺叶CT图像数据并自动、快速地产生准确的肺叶分割结果。 |
