基于多深度信念网络的磁共振前列腺3D图像分割方法技术

本发明专利技术公开了一种基于多深度信念网络的磁共振MRI前列腺3D图像分割方法。主要解决现有技术因人工选择特征，导致分割精度低的问题。其实现方案是:根据患者图像获取每个患者的数据集，将每个患者数据集分为三部分；用这三部分训练集分别训练三个结构相同的深度信念网络和三个softmax分类器；将三个测试集输入到三个网络中；用三个softmax分类器对三个网络的输出进行分割，并将三个测试集的分割结果依次叠加，得到测试集的初分割结果；使用三维形态学对测试集初分割结果进行处理，得到最终的分割结果。本发明专利技术无需人工选择，能有效利用磁共振MRI序列图像上下层的信息特征，提高了分割的准确率。

【技术实现步骤摘要】

本专利技术属于一种图像处理
，特别涉及一种磁共振三维图像分割方法，可用于对医学图像的处理。
技术介绍
前列腺癌是男性最常见的恶性肿瘤之一，在欧美等发达国家前列腺癌发病率位列第一，死亡率仅次于肺癌。近些年来随着我国进入老年社会，前列腺癌发病率呈增长趋势。前列腺周围组织器官众多且结构复杂，前列腺像一个倒扣的栗子，似圆形底部位于前列腺上方，尖形朝下。它紧邻膀胱，正前方是耻骨，后方紧挨着直肠。周围组织和前列腺黏连严重。图像分割方法是诊断治疗前列腺疾病的科学基础，也是前列腺疾病诊断治疗需要解决的关键技术之一。目前，对于磁共振MRI前列腺图像的分割方法主要使用2D特征，磁共振MRI前列腺图像是序列图像，2D特征不能利用图像上下层之间的信息，主要使用人工选择的特征在2D上进行分割。这个人工选择主要依靠人们的经验和大量重复实验获得，一个好的特征几乎要用整个团队的力量去寻找，要耗费大量的时间反复摸索才能得到。由于医疗图像复杂多变，个性化强，通过人工选择的特征很难适用于所有复杂的医疗图本文档来自技高网...

【技术保护点】
基于多深度信念网络的磁共振MRI前列腺3D图像分割方法，包括：(1)获取n×m幅磁共振MRI前列腺图像，其中n＝10表示患者个数，m≤50表示每个患者最多有50幅图像；(2)对每幅图像的所有像素点进行预处理，即将以每个像素点为中心的13×13×3的长方体转换成1×507维的行向量，得到由m×l个行向量组成的患者数据集，其中l表示每一幅图像中的像素点个数，l≤7200；(3)构造训练集：从10个患者中选取9个患者，将所选的每个患者的前个行向量组成第一训练集，中间个行向量组成第二训练集，后个行向量组成第三训练集；将剩余的1个患者，再按照如上方法分成三个测试集，分别为第一测试集、第二测试集和第三测试...

【技术特征摘要】
1.基于多深度信念网络的磁共振MRI前列腺3D图像分割方法，包括：
(1)获取n×m幅磁共振MRI前列腺图像，其中n＝10表示患者个数，m≤50表示每
个患者最多有50幅图像；
(2)对每幅图像的所有像素点进行预处理，即将以每个像素点为中心的13×13×3的
长方体转换成1×507维的行向量，得到由m×l个行向量组成的患者数据集，其中l表示每
一幅图像中的像素点个数，l≤7200；
(3)构造训练集：
从10个患者中选取9个患者，将所选的每个患者的前个行向量组成第一训练
集，中间个行向量组成第二训练集，后个行向量组成第三训练集；
将剩余的1个患者，再按照如上方法分成三个测试集，分别为第一测试集、第二测试
集和第三测试集；
(4)构建深度信念网络，分别用第一训练集学习得到网络一，用第二训练集学习得
到网络二，用第三训练集学习得到网络三，这三个网络具有相同的结构；
(5)使用网络一训练一个softmax分类器得到分类器一，使用网络二训练一个softmax
分类器得到分类器二，使用网络三训练一个softmax分类器得到分类器三；
(6)对测试集进行分割：
将第一测试集输入网络一将其结果输入分类器一进行计算，得到第一测试集的分割结
果；
将第二测试集输入网络二将其结果输入分类器二进行计算，得到第二测试集的分割结
果；
将第三测试集输入网络三将其结果输入分类器三进行计算，得到第三测试集的分割结
果；
将三个测试集的分割结果依次合并，得到测试集的分割结果；
(7)对测试集分割结果进行...

【专利技术属性】
技术研发人员：姚瑶，付文，缑水平，
申请(专利权)人：杭州职业技术学院，西安电子科技大学，
类型：发明
国别省市：浙江;33