科创中国

生物与新医药技术

本申请涉及一种医学图像分割方法、系统、终端以及存储介质。所述方法包括：获取医学图像样本数据，医学图像样本数据包括多模态医学图像以及所述多模态医学图像对应病例的临床信息；构建弱‑半监督模型，弱‑半监督模型包括用于执行分割任务的分割分支和用于执行生存期预测任务的生存期预测分支，将所述医学图像样本数据分别输入分割分支和生存期预测分支，将所述分割分支和生存期预测分支提取的特征进行融合并迭代训练，得到训练好的图像分割模型；将待分割医学图像输入训练好的图像分割模型进行图像分割。本申请采用半监督的分割方式，不用依赖于过多的有标签数据；结合弱监督方式，采用生存期等高级语义作为弱监督源，可以提高图像分割精度。

1.一种医学图像分割方法，其特征在于，包括： 获取医学图像样本数据，所述医学图像样本数据包括多模态医学图像以及所述多模态医学图像对应病例的临床信息； 构建弱-半监督模型，所述弱-半监督模型包括用于执行分割任务的分割分支和用于执行生存期预测任务的生存期预测分支，将所述医学图像样本数据分别输入分割分支和生存期预测分支，将所述分割分支和生存期预测分支提取的特征进行融合并迭代训练，得到训练好的图像分割模型； 将待分割医学图像输入训练好的图像分割模型进行图像分割。 2.根据权利要求1所述的医学图像分割方法，其特征在于，所述获取医学图像样本数据包括： 所述多模态医学图像为每一位病例的FLAIR、T1、T2和T1c四种模态图像； 所述临床信息包括所述病例的生存期以及生存状态。 3.根据权利要求2所述的医学图像分割方法，其特征在于，所述获取医学图像样本数据具体为： 生成所述多模态医学图像样本数据的Mask数据； 对所述多模态医学图像样本数据以及Mask数据进行预处理，生成用于模型训练的医学图像数据集； 根据设定比例对所述医学图像数据集进行分组，得到训练集、验证集和测试集。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

点击查看