摘要
本发明公开一种基于多任务模型的器官勾画方法、装置、设备及存储介质,包括:采集CBCT图像以及对应且已完成器官勾画的计划CT图像;将计划CT图像及其器官勾画结果配准至CBCT图像的坐标空间;将配准CT图像和/或配准CT勾画作为CBCT勾画的初始图像,并将其与采集的CBCT图像输入训练好的多任务深度学习模型,识别CBCT勾画的初始图像与采集的CBCT图像之间差异,输出体素级别的图像差异结果;基于图像差异结果对CBCT勾画的初始图像进行修正,生成CBCT勾画的最终图像。本发明采用多任务深度学习模型学习配准后CT勾画与CBCT图像之间差异,优化体素级分割和边界细节,获得精确的CBCT勾画的器官轮廓。
技术关键词
多任务深度学习模型
器官勾画方法
图像
置信度阈值
计划
坐标
程序
患者
存储器
邻域
识别模块
指令
像素
处理器
轮廓
计算机
系统为您推荐了相关专利信息
三维虚拟环境
云台
数字孪生系统
模拟无人机
摄像设备
预训练模型
光学遥感影像
语义分割模型
编码器
分割方法
效率优化方法
故障类别
多模态数据采集
图像采集装置
可见光图像
查询器
检测模型构建方法
一体化检测方法
面部
高层语义特征
跟踪设备
空间位置关系
标定方法
标记
计算机程序产品