摘要
本发明公开了一种基于多图谱结构信息与语义描述的脊柱图像分割方法,使用SAM2预训练权重的Hiera提取输入图像特征,将其作为图像编码器;使用文本生成模块从多图谱生成解剖学描述文本,并使用CLIP预训练的文本编码器提取语义特征,将这两部分作为语义编码器;使用一个卷积层外加同样的Hiera提取多图谱形态学结构特征,将其作为图谱编码器;在以上三个编码器中使用LoRA进行微调,使预训练权重更适应脊柱图像分割任务;最后在掩码解码器中融合以上三种特征,生成最终分割结果。本发明通过使用语义解剖学特征和多图谱形态学特征作为提示来自动化生成分割结果,解决了脊柱水平面图像分割时类别预测错误的问题,极大提高了分割精确度。
技术关键词
图像分割方法
图像编码器
特征金字塔
语义特征
注意力
文本编码器
模块
令牌
解剖学特征
代表
形态学特征
阶段
图谱特征
解码器
系统为您推荐了相关专利信息
消费管理方法
账户
IC卡
消费管理系统
认证机制
在线估计方法
激光雷达
模态特征
跨模态
注意力机制
精修方法
冷冻电镜
密度
大语言模型
更新网络参数
新闻推荐方法
大语言模型
模型训练模块
智能推荐算法
网络