[发明专利]基于分布式生成对抗网络的医学图像分割方法及系统在审

专利信息
申请号: 202110032809.2 申请日: 2021-01-11
公开(公告)号: CN112767404A 公开(公告)日: 2021-05-07
发明(设计)人: 张宇昂;杨青翰;庄云亮;吕蕾;吕晨 申请(专利权)人: 山东师范大学
主分类号: G06T7/10 分类号: G06T7/10;G06N3/08
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 董雪
地址: 250014 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 分布式 生成 对抗 网络 医学 图像 分割 方法 系统
【说明书】:

本公开公开的基于分布式生成对抗网络的医学图像分割方法及系统,包括:在各医院处设置判别器,在中心服务器上设置生成器,在各判别器和生成器之间构建生成对抗网络;获取各医院的医学图像;通过各医院的医学图像对生成对抗网络进行训练;通过训练好的生成对抗网络对待分割的医学图像进行分割。实现了通过各医院的医学图像对生成对抗网络进行训练,扩充了网络训练时的数据集,提高了网络训练的效果。

技术领域

发明涉及医学图像处理技术领域,尤其涉及基于分布式生成对抗网络的医学图像分割方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。

在医学影像领域,精确的医学图像对于许多临床应用有着十分重要的辅助作用,在临床上,多模态医学影像已被广泛使用。然而,手动分割所有模态的医学图像十分耗时耗力,而且不同医师的分割结果之间也存在着差异。为了减轻工作量,建立统一分割标准,计算机自动化分割就显得尤为重要。

现有的医院进行医学图像分割时,往往采用神经网络模型对医学图像进行分割,为了获取好的医学图像分割效果,需要大量的数据集对神经网络模型进行训练,而现有的地方医院,由于体量较小,产生的医学图像数据较少,且由于涉及个人信息隐私等问题,用于神经网络模型训练的数据集往往非常少,从而限制了神经网络模型的训练效果,进而对医学图像分割的准确率较低。

发明内容

本公开为了解决上述问题,提出了基于分布式生成对抗网络的医学图像分割方法及系统,在各医院和中心服务器之间构建生成对抗网络,获取各医院的医学图像对生成对抗网络进行训练,解决了现有模型训练时,训练样本少的技术问题,提高了生成对抗网络模型的训练精度,进一步提高了对医学图像分割的准确率。

为实现上述目的,本公开采用如下技术方案:

第一方面,提出了基于分布式生成对抗网络的医学图像分割方法,包括:

在各医院处设置判别器,在中心服务器上设置生成器,在各判别器和生成器之间构建生成对抗网络;

获取各医院的医学图像;

通过各医院的医学图像对生成对抗网络进行训练;

通过训练好的生成对抗网络对待分割的医学图像进行分割。

第二方面,提出了基于分布式生成对抗网络的医学图像分割系统,包括:

生成对抗网络构建模块,用于在各医院处设置判别器,在中心服务器上设置生成器,在各判别器和生成器之间构建生成对抗网络;

医学图像获取模块,用于获取各医院的医学图像;

生成对抗网络训练模块,用于通过各医院的医学图像对生成对抗网络进行训练;

医学图像分割模块,用于通过训练好的生成对抗网络对待分割的医学图像进行分割。

第三方面,提出了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成基于分布式生成对抗网络的医学图像分割方法所述的步骤。

第四方面,提出了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成基于分布式生成对抗网络的医学图像分割方法所述的步骤。

与现有技术相比,本公开的有益效果为:

1、本公开在各医院和中心服务器中间构建了生成对抗网络,利用各医院的医学图像对生成对抗网络训练,扩充了生成对抗网络训练时的数据集,保证的生成对抗网络的训练效果。

2、本公开当生成对抗网络训练完成后,生成器生成的医学图像假图输入各判别器中,从而参与至待分割的医学图像的分割中。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东师范大学,未经山东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110032809.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top