- 1、本文档共9页,其中可免费阅读3页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于临床知识驱动和对比学习的半监督视神经分割方法,由于现有视神经分割方法需要大量的标注数据导致费时且耗力,同时现有的研究很少考虑如何以合理的方式融合多模态图像,并且缺乏合理结合临床知识的方法,因此本发明根据临床知识先验以更加合理的方式来对多模态数据:T1图像、扩散磁共振成像(DWI图像)生成的峰值图像(peaks)和纤维各向异性(FA)图像进行融合。根据上述先验知识结合基于对比学习的半监督分割网络对视神经进行分割预测,该模型可以有效利用多模态的数据特征并且只需要少量的标注样本即可完成训练。该
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117557576A
(43)申请公布日2024.02.13
(21)申请号202311427706.1G06N3/0895(2023.01)
文档评论(0)