【技术实现步骤摘要】
本专利技术涉及多模态医学影像的辅助诊断，尤其涉及基于不完备多模态医学影像的弱监督图像分割方法及系统。
技术介绍
1、多模态医学影像分割旨在将来自不同成像技术的医学影像数据，如mri（磁共振成像）、ct（计算机断层扫描）、超声等，进行有机地融合为一个统一的综合表示，使其能够尽可能地包含更直观、更细致、更精准的信息，以提高医学影像分割的准确性和效率，用于辅助临床医生做出医疗诊断。通过利用不同模态影像的信息进行有机地互补，能够提高影像的分割准确度。例如，在脑肿瘤分割中，可以结合t1加权、t2加权、flair（流体衰减反转恢复）等多种mri模态的影像进行融合，以更准确地分割病变区域。
2、多模态医学影像分割面临的技术难题包括数据集的标注、计算资源的限制以及算法的泛化能力等，具体为：（1）现有的大部分方法依赖于大量的影像数据标注，而在现实场景下影像数据标注的获取需要耗费巨大的人力成本和资金投入；（2）现有的大部分方法通常受限于复杂度过高，使得它们无法较好地应对大规模数据场景；（3）现有的大部分方法只能应对完备的多模态数据（即全部模态均...
【技术保护点】
1.基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，所述T3中，数据的清洗包括最大标准化、最小标准化、Z-score归一化和L2范数归一化。
3.根据权利要求1所述的基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，所述T5中，所述去噪神经网络的训练过程包括：
4.根据权利要求3所述的基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，所述T6中，所述必连约束ML和勿连约束CL的公式如下所示：
5.根...
【技术特征摘要】
1.基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，所述t3中，数据的清洗包括最大标准化、最小标准化、z-score归一化和l2范数归一化。
3.根据权利要求1所述的基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，所述t5中，所述去噪神经网络的训练过程包括：
4.根据权利要求3所述的基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，所述t6中，所述必连约束ml和勿连约束cl的公式如下所示：
5.根据权利要求4所述的基于不完备多模态医学影像的弱监督图像分割方法，其特征在于，所述t7中，所述融合函数将同个多模态医学影像样本的不同模态进行有机融合，同时规避缺失模态带来的影响，具体公式如下所示：
6.根据权利要求5所述的基于不完备多模态医学影像的弱监督图像分割方法，其...
【专利技术属性】
技术研发人员：唐永强，陈锐，张文生，
申请(专利权)人：中国科学院自动化研究所，
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。