支持多医生协同监督的多任务医学图像分割方法及系统技术方案

本发明专利技术公开了一种支持多医生协同监督的多任务医学图像分割方法及系统，方法包括：获取包含标注信息的至少一个医学图像集；根据差异系数的大小对同一医学图像集中各个医学图像进行排序，得到至少一个医学图像序列；将所述至少一个医学图像序列以及与所述至少一个医学图像序列对应的图像分割结果分别作为基于改进型卷积与注意力的混合神经网络的输入和输出，对所述混合神经网络进行迭代训练，得到图像分割模型；将实时获取的包含标注信息的医学图像输入至训练好的图像分割模型中，所述图像分割模型输出得到最终的医学图像分割结果。实现了基于多解码器的多任务处理，此设计增强了编码器提取图像特征的能力，从而提高了模型分割性能和准确度。

【技术实现步骤摘要】

本专利技术属于图像分割，尤其涉及一种支持多医生协同监督的多任务医学图像分割方法及系统。

技术介绍

1、医学图像分析已经从传统的图像处理技术逐渐发展到基于机器学习的高级分析方法。在早期的医学图像分析研究中，很多技术都基于传统的机器学习方法，如支持向量机(svm)和随机森林。这些方法在某些特定的学术数据集上取得了很好的效果，但在实际的医疗环境中部署并不是那么理想。

2、其中一个主要原因是，学术研究通常倾向于在特定的、往往是标准化的单一模态，数据量有限的数据集上“刷指标”。这样的研究虽然在学术界有其价值，但在真实的医疗环境中，数据情况要复杂得多。例如，同一个医院可能使用不同的设备、不同的参数和不同的操作者，这导致实际获得的图像与学术数据集存在很大的差异，进而阻碍了人工智能技术(artificial intelligence,ai)从学术研究到实际应用的进展。更重要的是，大多数传统的机器学习和深度学习方法在设计时并没有考虑到多医生标注的问题。在现实的医疗环境中，不同的医生可能对同一张医学图像有不同的解读和标注(如图一所示)。这种差异可能是由于医生的专业本文档来自技高网...

【技术保护点】

1.一种支持多医生协同监督的多任务医学图像分割方法，其特征在于，包括：

2.根据权利要求1所述的一种支持多医生协同监督的多任务医学图像分割方法，其特征在于，所述图像分割模型的混合损失函数为：

3.根据权利要求1所述的一种支持多医生协同监督的多任务医学图像分割方法，其特征在于，所述图像分割模型包括神经网络编码器、图像分割解码器以及基于VGG网络的目标中心坐标解码器；

4.根据权利要求3所述的一种支持多医生协同监督的多任务医学图像分割方法，其特征在于，所述神经网络编码器包含四个下采样阶段，每个下采样阶段由两个连续的卷积神经网络层组成，所述图像分割解码器包含...

【技术特征摘要】

1.一种支持多医生协同监督的多任务医学图像分割方法，其特征在于，包括：

2.根据权利要求1所述的一种支持多医生协同监督的多任务医学图像分割方法，其特征在于，所述图像分割模型的混合损失函数为：

3.根据权利要求1所述的一种支持多医生协同监督的多任务医学图像分割方法，其特征在于，所述图像分割模型包括神经网络编码器、图像分割解码器以及基于vgg网络的目标中心坐标解码器；

4.根据权利要求3所述的一种支持多医生协同监督的多任务医学图像分割方法，其特征在于，所述神经网络编码器包含四个下采样阶段，每个下采样阶段由两个连续的卷积神经网络层组成，所述图像分割解码器包含四个上采样阶段，每个上采样阶段由两个连续的卷积神经网络层组成；

5.根据权利要求1所述的一种支持多医生协同监督的多任务医学...

【专利技术属性】
技术研发人员：徐凤莲，王子阳，
申请(专利权)人：江西慧链数字科技有限公司，
类型：发明
国别省市：