CN115841494B 一种基于魔方切分复原的半监督多器官分割方法 （华东师范大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115841494B(45)授权公告日2025.07.08

(21)申请号202211630590.7

(22)申请日2022.12.16

(65)同一申请的已公布的文献号申请公布号CN115841494A

(43)申请公布日2023.03.24

(73)专利权人华东师范大学

地址200333上海市普陀区中山北路3663

号

(72)发明人王妍陈铎文

(74)专利代理机构上海剑秋知识产权代理有限公司31382

专利代理师徐浩俊

(51)Int.CI.

GO6T7/11(2017.01)

GO6T5/50(2006.01)

GO6V10/764(2022.01)

GO6V10/82(2022.01)

GO6V10/88(2022.01)

GO6N3/0464(2023.01)

GO6N3/0455(2023.01)

GO6N3/045(2023.01)

GO6N3/082(2023.01)

GO6N3/0895(2023.01)

(56)对比文件

DuowenChen等.MagicNet:Semi-

SupervisedMulti-0rganSegmentationvia

Magic-CubePartitionandRecovery.《arXiv》.2023,1-10.

审查员黄文琪

权利要求书2页说明书5页附图1页

(54)发明名称

一种基于魔方切分复原的半监督多器官分

割方法

(57)摘要

CN115841494B本发明公开了基于魔方切分的半监督多器官分割方法，将三维图像视作魔方，将所有图像切成小块，用于图像内分支；对于图像间分支，标记图像和无标记图像的小块随机进行跨图像混合，组成新的混合图像；这两个分支的输入分别经过深度神经网络后，获得混合图像和小块图像两种不同数据级的预测，然后将两种预测分别恢复成与原图像素一一对应的分割预测。对于标记数据，利用真值标签监督两个分支恢复后的预测；对于无标记数据，将图像内分支的预测与教师网络的预测进行加权求和得到伪掩膜，以监督图像间分支的预测。本发明利用多器官的解剖学先验来解决半监督学习中有标记数据和无标记

CN115841494B

魔方复原无标记图像

魔方复原

无标记图像

澳方切分

标记图像

混合图像

真实标签

小块图像

l

位置标签

伪标整

?

小块级伪标签混合

无标记

指数移动

平均

标记孩

学生网络

小块预测

教师预测

位置预测

混合预刑

教师网络

CN115841494B权利要求书1/2页

2

1.一种基于魔方切分的半监督多器官分割方法，其特征在于，将三维图像视作魔方，并利用多器官解剖学先验设计一种数据增强方式，所述方法包括以下步骤：

将所有图像切成小块图像，用于图像内分支的输入；标记图像和无标记图像的小块图像随机进行跨图像混合，组成混合图像，用于图像间分支的输入；两个分支的输入分别经过深度神经网络，获得混合图像和小块图像两种数据级的特征和预测；

对图像内分支，将小块图像的特征输入分类器，推理小块图像在图像内相对位置，计算分类器预测和对应相对位置的交叉熵损失函数；

将两个分支的预测结果恢复成与原图像一一对应的分割预测；对于标记图像，计算两个分支的预测与真值掩膜之间的损失函数；对于无标记图像，将图像内分支的预测与教师网络的预测进行基于类分布的加权平均，得到伪掩膜，计算图像间预测与伪掩膜之间的损失函数；

对于无标记图像，将图像内分支的预测与教师网络的预测进行基于类分布的加权平均，得到伪掩膜的具体方法为：

初始化一个类分布存储库D,在训练过程中，每T轮更新一次存储库D;

设当前迭代次数为t,如果t%T≠0,将本次训练轮数中无标记图像的教师预测存入D;如果t%T=0,统计存储在D中的伪标签中各个器官类像素的个数，并将其归一化到0和1之间，得到类分布字典向量v:

v={v?,…,Vc-1}

其中，C表示器官类数量，v中的每个元素表示归一化后各类的像素个数；

随后，将D清空；

对于教师预测中任意一个像素m,假设教师网络对于