一种基于Matcher的医疗影像序列分割方法技术

本发明专利技术公开了一种基于Matcher的医疗影像序列分割方法。首先对目标医疗影像序列和参考医疗影像序列中的图像进行预处理和特征提取，并计算对应关系矩阵；通过双向匹配策略对参考掩码跟对应关系矩阵进行匹配，得到匹配层；对匹配层进行筛选，采用k‑means++聚类对筛选得到的匹配层进行处理，生成提示采样集合；对得到的提示采样集合进行处理作为预训练好的SAM模型的输入，得到提案列表；执行参考掩码和预测掩码之间的实例级匹配，得到结果列表；最后将结果列表进行排序，得到最终的分割结果并输出。本发明专利技术采用双向匹配、提示采样以及实例级匹配等策略，能够生成高质量的掩码，实现更清晰、更精确的分割结果。

【技术实现步骤摘要】

本专利技术属于深度学习图像语义分割领域，涉及医疗影像序列的分割，具体涉及一种基于matcher的医疗影像序列分割方法。

技术介绍

1、matcher是一个强大的图像分割工具，通过集成了多种通用特征提取模型，例如dinov2、clip和mae，以及类别无关的分割模型sam，它能够实现对任何对象的准确分割。matcher的强大之处在于它通过自监督学习，只需要参考图像和目标图像即可进行分割，无需过多的前期准备或人工干预。

2、而在医学影像领域，由于带标注数据的医学影像匮乏，全监督深度学习方法难以在医学影像的分割或分类任务中取得理想效果，而数据标签获取需要专业人员参与,数据标注耗费昂贵,很难得到充足的医学图像检索标注数据集。因此将matcher应用于医学影像分割，可以解决带标注数据的医学影像匮乏的问题。但目前matcher并不具备处理医疗影像序列的能力。

3、基于上述原因，本专利技术提出了一种基于matcher的医疗影像序列分割方法，使用了一种多层匹配的方法，筛选其中相关性较强的层面，并提取对应的匹配层信息，通过多层信息的对比和融合，最终提本文档来自技高网...

【技术保护点】

1.一种基于Matcher的医疗影像序列分割方法，其特征在于，包括：

2.根据权利要求1所述的一种基于Matcher的医疗影像序列分割方法，其特征在于，步骤2中所述预处理是按照dinov2_vitg14输入要求，将输入图像尺寸裁剪到896*896大小，最后将其数据类型转化为Tensor类型，存储在同一张量中，后续作为特征提取模型的输入。

3.根据权利要求1或2所述的一种基于Matcher的医疗影像序列分割方法，其特征在于，步骤3具体方法如下：

4.根据权利要求3所述的一种基于Matcher的医疗影像序列分割方法，其特征在于，步骤4具体方法如下：

【技术特征摘要】

1.一种基于matcher的医疗影像序列分割方法，其特征在于，包括：

2.根据权利要求1所述的一种基于matcher的医疗影像序列分割方法，其特征在于，步骤2中所述预处理是按照dinov2_vitg14输入要求，将输入图像尺寸裁剪到896*896大小，最后将其数据类型转化为tens...

【专利技术属性】
技术研发人员：唐冬晨，颜成钢，张继勇，陈相儒，陈兴颖，朱晨薇，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：