摘要
本发明涉及一种基于对比学习先验与掩码自回归的三维下颌骨图像修复方法,步骤包括:获取患者的颌面部三维CT图像;对于患者的下颌骨的图像,通过二维修复模型分别在冠状面、矢状面、横断面上获得粗修复结果;所述的二维修复模型,掩码自回归策略,并添加对比学习损失,使用预训练的ViT模型得到的全局样本特征信息,引导lama模型完成全局信息和局部细粒度信息的层内修复;采用基于残差融合的精细修复模块对二维模型得到不同层的粗修复结果进行融合,得到三维修复结果。与现有技术相比,本发明利用深度学习技术,构建全新的医学图像修复算法,实现了颌面部三维CT的全自动修复结果,为术前精确规划提供有效助力。
技术关键词
图像修复方法
三维CT图像
患者
卷积模块
注意力
样本
图像修复算法
深度学习技术
冠状
形态
层级
元素
序列
网络
解码器
策略
助力
系统为您推荐了相关专利信息
注意力神经网络
GCN模型
药物重定位方法
多层感知机
深度特征提取
意图预测方法
多模态特征融合
关节特征
令牌
注意力机制
融合特征
多尺度特征融合
双足人形机器人
编码特征
姿态检测方法
频域特征
时域特征
连续小波变换
信号滤波
短时傅里叶变换
心音分类方法
通道注意力机制
噪声
sigmoid函数
生成对抗网络