本申请涉及一种肿瘤图像分割方法和系统，其中，该方法包括：构建肿瘤图像分割模型，其中，肿瘤图像分割包括粗分割块、U型Transformer主干网络、分割头、不确定性头和边界头；通过训练数据对肿瘤图像分割模型进行训练；将临床肿瘤图像输入训练好的肿瘤图像分割模型，得到分割结果，其中，不确定性头用于生成条件概率掩码以引入模糊边界所带来的不确定信息，边界头用于生成边界掩码以引入前景信息，分割头用于根据条件概率掩码和边界掩码得出最终的分割结果。通过本申请，实现了通过不确定性头和边界头引入不确定信息和前景信息，能够更好的帮助分割头处理边界模糊和不确定性，进而改善分割准确性，解决了如何提高肿瘤图像分割的精准度的问题。
【技术实现步骤摘要】
本申请涉及医学图像处理，特别是涉及一种肿瘤图像分割方法和系统。
技术介绍
1、肿瘤图像分割是指从核磁共振成像中识别肿瘤区域。核磁共振成像使用多个模态，以便捕获不同组织特性和肿瘤的扩散情况。多模态数据提供了丰富的信息，但也引入了冗余信息，因为某些模态可能包含与感兴趣组织无关的特征，从而影响分割结果。同时，不同级别的肿瘤侵入周围组织会导致边界形状差异和不确定性，使得图像中肿瘤的边界出现模糊，这种边界模糊也会使分割方法的性能下降，而现有方法通常是基于边界清晰的分割，忽略了实际情况中普遍存在的边界模糊，从而影响分割的效果。
2、目前针对相关技术中如何提高肿瘤图像分割的精准度的问题，尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种肿瘤图像分割方法和系统，以至少解决相关技术中如何提高肿瘤图像分割的精准度的问题。
2、第一方面，本申请实施例提供了一种肿瘤图像分割方法，所述方法包括：
3、构建肿瘤图像分割模型，其中，所述肿瘤图像分割包括粗分割块、u型transformer本文档来自技高网...
【技术保护点】
1.一种肿瘤图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，通过所述训练数据对所述肿瘤图像分割模型进行训练，得到训练好的肿瘤图像分割模型包括：
3.根据权利要求2所述的方法，其特征在于，通过所述第一阶段训练后的肿瘤图像分割模型的边界头，输出所述训练数据的边界掩码包括：
4.根据权利要求2所述的方法，其特征在于，基于所述边界掩码、所述条件概率掩码和先验概率掩码，计算得到退出掩码包括：
5.根据权利要求2所述的方法，其特征在于，基于所述训练数据和所述退出掩码，计算得到不确定性图
>6.根据权利要求2...
【技术特征摘要】
1.一种肿瘤图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，通过所述训练数据对所述肿瘤图像分割模型进行训练，得到训练好的肿瘤图像分割模型包括：
3.根据权利要求2所述的方法，其特征在于，通过所述第一阶段训练后的肿瘤图像分割模型的边界头，输出所述训练数据的边界掩码包括：
4.根据权利要求2所述的方法，其特征在于，基于所述边界掩码、所述条件概率掩码和先验概率掩码，计算得到退出掩码包括：
5.根据权利要求2所述的方法，其特征在于，基于所述训练数据和所述退出掩码，计算得到不确定性图
6.根据权利要求2所述的方法，其特征在于，通过所述训练数据对所述肿瘤图像分割模型进行第一阶段训练，得到第一阶段训练后的肿瘤图像分割模型包括：
7.根据权利要求6所述的方法，其特征在于，更新所述u型transformer主干网络、所述不确定性头和所述边界头的网络参数包括：
8.根据权利要求2所述的方法，其特征在于，通过所述不确定性图对所述第一阶段训练后的肿瘤图像分割模型进行第二阶段训练，得到训练好的肿瘤图像分割模型包括...
【专利技术属性】
技术研发人员：章步镐，罗鹏，余睿敏，鲁静言，吴越，李永强，冯远静，
申请(专利权)人：银江技术股份有限公司，
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。