CN116402800B 基于位置引导和一致性学习的腹部多器官增量分割方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116402800B(45)授权公告日2025.07.01

(21)申请号202310381113.X

(22)申请日2023.04.11

(65)同一申请的已公布的文献号申请公布号CN116402800A

(43)申请公布日2023.07.07

(73)专利权人西安电子科技大学

地址710071陕西省西安市雁塔区太白南

路2号

(72)发明人缑水平续溢男李孟彬童诺黄陆光徐春盛廉博刘波

刘文博

(74)专利代理机构陕西电子工业专利中心

61205

专利代理师王品华

(51)Int.CI.

G06T7/00(2017.01)

GO6V10/774(2022.01)

G06T7/11(2017.01)

GO6V10/82(2022.01)

GO6N3/08(2023.01)

GO6N3/0464(2023.01)

(56)对比文件

CN111192245A,2020.05.22

CN113674281A,2021.11.19审查员隗仁然

权利要求书5页说明书9页附图5页

(54)发明名称

基于位置引导和一致性学习的腹部多器官增量分割方法

(57)摘要

CN116402800B本发明公开了一种基于位置引导与一致性学习的腹部多器官增量分割方法，主要解决现有技术增量过程复杂且增量性能低的问题。其实现方案是：首先使用一致性学习策略训练基础网络，以第一次分割常见腹部器官肝、肾、脾、胆、胃；随后通过新增解码器、位置引导模块与深度监督模块的方式，将基础网络扩展到位置引导增量网络，训练该网络，以第二次分割肝、肾、脾、胆、胃、胰腺；将位置引导增量网络扩展到位置引导与一致性学习增量网络，训练该网络，以第三次分割肝、肾、脾、胆、胃、胰腺、十二指肠，以此类推，完成腹部多器官增量分割。本发明简化了腹部多器官增量分割过程，提升了腹部多器官增量

CN116402800B

获取数据集、数据

获取数据集、数据预处理、划分训练

集和测试集

构建基础网络Net1

使用一致性学习策略，训练基础网络

基于基础网络Ket1,新增解码分支、位置引导模块与深度监督模

位置引导增量网络Met2

基于位置引导增量网络Net2,新增解码分

支位7导预热性学习培督模块。构

使用常规训练策略，调练位置引导与一致性学习增量网络Net3

使用测试集对训练好的位

网络Net.3进行测试

结束

CN116402800B权利要求书1/5页

2

1.一种基于位置引导和一致性学习的腹部多器官增量分割方法，其特征在于，包括：

(1)划分数据集：

1.1)获取四个公开的腹部CT数据集，前三个数据集中分别标注了肝肾脾胆胃、胰腺、十二指肠，第四个数据无任何标注；

1.2)对1.1)获取的四个数据集进行图像预处理，并将前三个预处理后的数据集随机划分为三个训练集A1、A2、A3和三个测试集B1、B2、B3,将第四个数据集全部作为第四训练集C;

(2)基于UNet网络结构，构建由编码器、解码器与深度监督模块构成的基础网络Net1;

(3)使用He初始化方式对基础网络Net1进行初始化，利用有标注的第一训练集A1与无标注的第四训练集C,通过一致性学习策略对其交替迭代训练，得到训练好的基础网络参数

W1;

(4)将训练好的基础网络参数W1加载到基础网络Net1中，并在Net1中新增一个解码器、两个位置引导模块和一个深度监督模块，构成位置引导增量网络Net2;

(5)使用He初始化方式对位置引导增量网络Net2新增结构的参数进行初始化，将其损失函数设置为Dice损失，冻结训练好的基础网络参数W1,使用第二训练集A2和Adam优化器迭代训练位置引导增量网络Net2,直到损失函数值不再下降，得到训练好的位置引导增量网络参数W2;

(6)将训练好的位置引导增量网络参数W2加载到位置引导增量网络Net2中，并在Net2中新增一个解码器、两个位置引导模块和一个深度监督模块，构成位置引导与一致性学习增量网络Net3;

(7)使用He初始化方式对位置引导与一致性学习增量网络Net3新增结构的参数进行初始化，将其损失函数设置为Dice损失，冻结训练好的位置引导增量网络参数W2,使用第三训练集A3和Adam优化器迭代训练