摘要
本发明涉及一种解剖学先验引导的EAT分割方法,属于医学图像分割领域。首先,设计了一种基于自编码机学习的方法,通过自编码机提取EAT解剖结构特征的压缩表示。其次,在EAT分割模型中利用训练好的自编码机得到输入图像的隐空间的低维映射,并将其作为约束加入到分割损失中。本发明提出的方法能够促使模型的预测遵循学习到的解剖结构特征,从而使模型生成解剖结构合理的准确分割。
技术关键词
分割方法
结构先验
编码机
计算机程序指令
心外膜脂肪组织
编码器
医学图像分割
解码器结构
重构
处理器
分割系统
左心室
可读存储介质
存储器
数据
心脏
影像
系统为您推荐了相关专利信息
肌电特征
脑电特征
电信号
计算机程序指令
车辆控制方法
图像分割方法
深度学习模型
策略
汉明距离
感知哈希算法
分割方法
条件生成对抗网络
跨模态图像
上采样
解码器
神经网络结构
流量管理方法
注意力机制
异常流量
门控循环单元