摘要
一种胰腺癌靶区分割模型的训练方法,属于靶区分割技术领域,解决了现有技术中靶区分割模型训练效率低的问题。方法包括:获取胰腺癌患者的平扫CT图像,基于增强CT图像生成模型生成所述平扫CT对应的增强CT图像;根据平扫CT图像及对应的OAR轮廓、增强CT图像及靶区轮廓构建样本得到训练样本集;构建联合训练模型,联合训练模型包括OAR分割模型、影像组学模型和GTV分割模型;OAR分割模型用于基于平扫CT图像进行OAR分割;影像组学模型用于进行肿瘤分布概率预测;GTV分割模型用于基于OAR分割和肿瘤分布概率进行胰腺癌GTV分割;基于训练样本集对所述联合模型进行联合训练,得到训练好的胰腺癌靶区分割联合模型。实现了高效准确的胰腺癌靶区分割。
技术关键词
循环生成对抗网络
图像生成模型
胰腺癌患者
解码模块
像素
编码模块
训练样本集
预测特征
影像
轮廓
肿瘤
语义特征提取
通道
输出模块
上采样
中间层
系统为您推荐了相关专利信息
汽车嵌件
视觉系统
机械手臂
直方图均衡化算法
像素点
原始图像数据
MongoDB数据库
图像数据分析方法
图形用户界面
视觉算法
CU划分方法
LightGBM模型
多模型
模式
卷积神经网络模型