【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及一种针对腹部图像的多器官分割方法及成像方法。
技术介绍
1、医学图像中的腹部器官分割，是手术导航、视觉增强和生物标志物测量系统等的重要步骤之一。准确的腹部图像的多器官分割结果，包括器官大小的分割、位置的分割、边界状态的分割、多个器官的空间关系等，能够为腹部图像的研究、手术计划、临床、实验和随访等工作，提供非常有价值的信息。
2、但是，腹部是一个复杂的身体空间、腹部器官可能具有复杂的形态结构和异质性等因素；这些特点，使得计算机断层扫描(ct)腹部成像和磁共振(mr)腹部成像中多器官分割，极为困难。目前，传统的腹部图像中的多器官分割方案，依旧采用的是影像科医生的人工分割方案；但是，人工分割的方案，不仅费时费力，而且极其依赖于当事医生的个人水平和经验，不仅一致性较差，费时费力，而且可靠性和精确性都无法得到保证。
3、目前，随着人工智能算法的发展，研究人员提出了基于卷积神经网络(cnn)的分割方案、基于transformer的分割方案和基于图表示学习的分割方案，来用于腹部图像的多器官分...
【技术保护点】
1.一种针对腹部图像的多器官分割方法，包括如下步骤：
2.根据权利要求1所述的针对腹部图像的多器官分割方法，其特征在于步骤S2所述的基于KNN算法和图表示学习算法，构建腹部图像的多器官分割初始模型，具体包括如下步骤：
3.根据权利要求2所述的针对腹部图像的多器官分割方法，其特征在于所述的编码器层包括依次串接的第一编码器层、第二编码器层、第三编码器层和第四编码器层；每一层编码器层均包括一个下采样层和一个特征提取层；下采样层用于对输入的图像进行下采样，并将下采样后的图像输入到特征提取层；特征提取层用于将输入的图像转换为图结构，并进行特征提取；>
4.根据权利...
【技术特征摘要】
1.一种针对腹部图像的多器官分割方法，包括如下步骤：
2.根据权利要求1所述的针对腹部图像的多器官分割方法，其特征在于步骤s2所述的基于knn算法和图表示学习算法，构建腹部图像的多器官分割初始模型，具体包括如下步骤：
3.根据权利要求2所述的针对腹部图像的多器官分割方法，其特征在于所述的编码器层包括依次串接的第一编码器层、第二编码器层、第三编码器层和第四编码器层；每一层编码器层均包括一个下采样层和一个特征提取层；下采样层用于对输入的图像进行下采样，并将下采样后的图像输入到特征提取层；特征提取层用于将输入的图像转换为图结构，并进行特征提取；
4.根据权利要求3所述的针对腹部图像的多器官分割方法，其特征在于所述的图转换子层，其处理过程包括如下步骤：
5.根据权利要求...
【专利技术属性】
技术研发人员：奎晓燕，颜浩楠，邹北骥，李钦松，陈立明，刘波，
申请(专利权)人：中南大学，
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。