【技术实现步骤摘要】
本专利技术属于基于深度学习的医疗影像分割算法，特别涉及基于持续学习的结直肠癌mr影像分期分割方法及系统。
技术介绍
1、医学图像在临床应用中扮演着越来越重要的角色，成像技术的迅速发展和普及使得它成为疾病诊断、手术计划、预后评估和随访等方面不可或缺的辅助手段。医学图像的分割是实现可视化的关键步骤，能够从特定组织图像中提取关键信息。分割后的图像可用于医生进行组织体积的定量分析、诊断、病理改变的定位、解剖结构的描绘和治疗计划等任务。
2、由于医学图像的信息量庞大，传统的手工勾画方法耗时费力，给临床医生增加了负担。因此，实现准确且高效的医学图像分割一直是一个挑战。近年来，我国开始重视深度学习在医疗领域的应用，并且深度学习分割模型逐渐成为可靠的诊断和辅助决策工具。这些深度学习模型稳定、精确度高，并且能够进行可持续学习，为医学图像分割提供了有力支持。。
3、结直肠癌是最常见的原发性恶性肿瘤之一，在组织学上通常具有异质性的亚区域，包括肿瘤组织、坏死区域和邻近正常组织。针对这些不同组织病变的准确自动分割对于结直肠癌的诊断和治疗具...
【技术保护点】
1.基于持续学习的结直肠癌MR影像分期分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于持续学习的结直肠癌MR影像分期分割方法，其特征在于，所述步骤7中的松散蒸馏操作包括：
3.基于持续学习的结直肠癌MR影像分期分割系统，其特征在于，包括：
【技术特征摘要】
1.基于持续学习的结直肠癌mr影像分期分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于持续学习的结直肠癌mr影...
【专利技术属性】
技术研发人员：司呈帅，鲍军，高阳，杨柳，何克磊，吴志平，邵鹏，曹月鹏，陈开，
申请(专利权)人：江苏省肿瘤医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。