摘要
本公开涉及用于医学图像的基于深度学习的器官分割质量保证。描述了一种用于评估医学图像自动分割的质量的基于深度学习的框架。根据示例,一种计算机实现的方法包括:接收经由一个或多个分割模型从描绘受试者的解剖区域的医学图像数据生成的分割掩模,其中该分割掩模中的每个分割掩模描绘该解剖区域中所包括的一组不同解剖结构中的不同解剖结构。该方法还包括:基于将多通道重建模型应用于该分割掩模来生成该分割掩模的重建版本,其中该重建版本对应于该分割掩模的优化版本。该方法还包括:基于将该分割掩模与该重建版本进行比较来确定该分割掩模的质量评估;生成关于该质量评估的输出数据;以及经由电子输出设备呈现该输出数据。
技术关键词
分割掩模
计算机可执行组件
电子输出设备
医学图像数据
非暂态机器可读存储介质
多通道
度量
无监督机器学习
误差信息
基准
噪声数据
评估医学图像
存储计算机可执行
神经网络模型
质量保证
电子显示器
调节组件
系统为您推荐了相关专利信息
医学图像分类方法
医学图像数据集
置信度阈值
无监督
标记
医学图像分割方法
异构特征
医学图像分割系统
编码器
图像分割网络
二维材料
多尺度对比度
分割掩模
层数检测装置
光学显微镜