摘要
本发明涉及医学影像处理技术领域,更具体地说,涉及自适应流域增长的肺段边界精确定位方法,包括:获取肺部CT图像数据;基于肺部CT图像数据,进行图像预处理得到预处理后的肺部图像;根据预处理后的肺部图像,确定肺段动脉的主干点集合;基于主干点集合,采用子点智能布置策略确定初始种子点;根据初始种子点,执行基于点竞争的自适应流域增长,得到肺段边界初步定位结果;基于肺段边界初步定位结果,进行边界冲突检测和处理,得到优化后的肺段边界;输出优化后的肺段边界作为最终的肺段边界精确定位结果,通过动态调整生长参数和引入点竞争机制,该方法可以更准确地捕捉肺段边界的复杂形态,显著提高了分割的准确性和鲁棒性。
技术关键词
肺部CT图像
精确定位方法
卷积神经网络模型
种子
深度学习模型
损失函数优化
主动脉
分析工具
肿瘤
非监督
血管
数据
策略
三维模型
聚类
控制点
分支
鲁棒性
参数
系统为您推荐了相关专利信息
外推模型
风速外推方法
分解算法
自动气象站
样本