[发明专利]基于空间-语义显著性约束的CT图像模态对齐方法有效
| 申请号： | 201910616322.1 | 申请日： | 2019-07-09 |
| 公开（公告）号： | CN110503626B | 公开（公告）日： | 2021-11-23 |
| 发明（设计）人： | 徐奕;林晓慧;倪冰冰 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/30;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 | 代理人： | 徐红银 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于空间‑语义显著性约束的CT图像模态对齐方法，包括：从不同的数据集中获取原始CT图像，标记并截取CT图像的肺结节区域，得到肺结节区域图像；通过不同数据集的肺结节区域图像对3D DenseNet网络进行训练，得到第一分类器和第二分类器；在循环一致生成对抗网络CycleGAN中引入3D掩模和置信度评估分数作为约束条件，得到基于空间‑语义显著性约束的循环一致生成对抗网络SSA‑CycleGAN；通过所述SSA‑CycleGAN对不同数据集的肺结节区域图像进行转换处理，得到统一模态的肺结节区域图像。本发明可以将不同模态的数据进行转换处理，从而提升肺结节检测算法的准确度。 | ||
| 搜索关键词： | 基于 空间 语义 显著 约束 ct 图像 对齐 方法 | ||
【主权项】：
1.一种基于空间-语义显著性约束的CT图像模态对齐方法，其特征在于，包括：/n从不同的数据集中获取原始CT图像，标记并截取CT图像的肺结节区域，得到肺结节区域图像；其中，不同数据集中的原始CT图像对应不同的模态；/n通过自适应高斯滤波，对不同数据集的肺结节区域图像进行掩模计算，得到对应的3D掩模；/n通过不同数据集的肺结节区域图像对3D DenseNet网络进行训练，得到第一分类器和第二分类器；其中，所述第一分类器和所述第二分类器用于对肺结节区域图像中的肺结节进行置信度评估，得到对应的置信度评估分数；/n在循环一致生成对抗网络CycleGAN中引入3D掩模和置信度评估分数作为约束条件，得到基于空间-语义显著性约束的循环一致生成对抗网络SSA-CycleGAN；/n通过所述SSA-CycleGAN对不同数据集的肺结节区域图像进行转换处理，得到统一模态的肺结节区域图像。/n
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上海交通大学，未经上海交通大学许可，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/patent/201910616322.1/，转载请声明来源钻瓜专利网。
