【技术实现步骤摘要】
本公开涉及计算机视觉，具体地，涉及一种基于隐表达网络的器官形状重建方法、系统、介质及终端。
技术介绍
1、医学图像分割任务，应用领域广泛，主要应用在两个方面，一方面是分割正常组织，例如人体的器官(肝、肺、肾脏、胰腺、骨骼等)或者软组织(心血管、视网膜等)，另一方面是分割病变组织，例如脑部肿瘤、肺结节、癌细胞等。医学图像分割具有重要临床参考价值，例如对器官或者病变组织的量化分析，术前准备、术中导航、放疗方案制定(靶区勾画)、早期肿瘤随访。良好的医学图像分割结果能够提高医生专家阅片效率，辅助医生对组织器官或者病灶区域进行诊断分析。但是，手动分割三维医学图像非常耗费时间和精力，并且需要专业知识，因此，开发医疗影像的自动分割系统是一项非常重要的任务。
2、监督学习技术，采用带标签的数据来训练一个机器学习系统，在医学图像分割中变得越来越流行。在引入监督学习技术之后，研究人员开始从完全手工设计特征转变至利用计算机，并通过数据驱动的方式来自取医疗影像的动提特征，而监督学习技术的关键就在于如何设计自动提取特征的算法。卷积神经网络(cnn)的...
【技术保护点】
1.一种基于隐表达网络的器官形状重建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述预设的卷积神经网络模型N1包括层级神经网络模型和分割网络；
4.根据权利要求1所述的方法，其特征在于，所述根据所述三维网格数据依次进行基于物理信息的坐标变换处理、数据集内的形状对齐变换处理和点云采样处理，确定第二部分数据集，包括：
5.根据权利要求1所述的方法，其特征在于，所述预设的基于隐表达的神经网络模型M1包括Temp网络和Deform网络：
<...【技术特征摘要】
1.一种基于隐表达网络的器官形状重建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述预设的卷积神经网络模型n1包括层级神经网络模型和分割网络；
4.根据权利要求1所述的方法，其特征在于，所述根据所述三维网格数据依次进行基于物理信息的坐标变换处理、数据集内的形状对齐变换处理和点云采样处理，确定第二部分数据集，包括：
5.根据权利要求1所述的方法，其特征在于...
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。