一种前列腺超声图像分割方法及设备技术

本发明专利技术公开了一种前列腺超声图像分割方法及设备，其中，该方法包括：建立深度学习网络模型；将待分割的前列腺超声图像输入至深度学习网络模型中；输出分割完成的前列腺超声图像。通过本发明专利技术，实现了对前列腺超声影像的精确分割，从而降低了医生的工作量，进而提高医生的诊断效率。

【技术实现步骤摘要】
一种前列腺超声图像分割方法及设备
本专利技术涉及图像处理
，特别涉及一种前列腺超声图像分割方法及设备。
技术介绍
前列腺超声影像是前列腺疾病诊断的重要手段，可为临床医生了解病患前列腺情况提供重要依据。对前列腺进行超声检查主要有两种方式：经腹部超声检查和经直肠超声检查，经腹部超声检查是常规体检常用的方式，在需要对被检查者的前列腺做更清晰的检查时，会采用经直肠超声检查。现在对于超声影像的诊断大多是基于医生的经验进行的，医生在对前列腺超声影像进行分割时通常会遇到以下几个难题：(1)斑点噪声对超声图像有干扰，导致分割困难；(2)在前列腺超声影像中，灰度或者纹理分布是不均匀的，有些部位灰度级较低，而另外一些部位灰度级较高，会影响常规分割方法的效果；(3)在超声影像中前列腺区域的外部，有些地方的灰度分布和前列腺区域内部的分布不一样，难以采用全聚类纹理或者灰度特征区别前列腺的内外部分；(4)超声伪影也会对前列腺分割产生严重的影响。这些问题都会影响医生的诊断，无法对前列腺超声影像进行精确分割，进而降低诊断效率。
技术实现思路
本专利技术提供一种前列腺超声图像分割方法，通过计算机辅助分析前列腺超声影本文档来自技高网...

【技术保护点】
1.一种前列腺超声图像分割方法，其特征在于，包括以下步骤：建立深度学习网络模型；将待分割的前列腺超声图像输入至所述深度学习网络模型中；输出分割完成的前列腺超声图像。

【技术特征摘要】
1.一种前列腺超声图像分割方法，其特征在于，包括以下步骤：建立深度学习网络模型；将待分割的前列腺超声图像输入至所述深度学习网络模型中；输出分割完成的前列腺超声图像。2.根据权利要求1所述的方法，其特征在于，所述建立深度学习网络模型包括以下步骤：获取多个被检查者的前列腺超声图像的原始横切面图像；识别工作人员在所述多个原始横切面图像中的每一个原始横切面图像中手工标定的前列腺的分割边界线；其中，所述分割边界线是封闭的；调取深度学习神经网络；将所述多个原始横切面图像与所述多个分割边界线输入所述深度学习神经网络中；根据所述多个原始横切面图像与所述多个分割边界线，对所述深度学习神经网络进行训练；根据所述训练的训练结果，建立深度学习网络模型。3.根据权利要求2所述的方法，其特征在于，所述识别工作人员在所述多个原始横切面图像中的每一个原始横切面图像中手工标定的前列腺的分割边界线之后，还包括以下步骤：对多个分割边界线进行着色，得到多个着色横切面图像。4.根据权利要求2所述的方法，其特征在于，所述根据所述多个原始横切面图像与所述多个分割边界线，对所述深度学习神经网络进行训练，包括以下步骤：根据所述多个原始横切面图像与所述多个分割边界线，获取多个原始前列腺分割图像；对所述多个原始前列腺分割图像中的每一个原始前列腺分割图像都进行编码处理，得到多个前列腺分割特征图像；对所述多个前列腺分割特征图像中的每一个前列腺分割特征图像都进行上采样处理，得到多个前列腺特征图像；其中，所述多个前列腺特征图像中的每一个前列腺特征图像的尺寸都与原始前列腺分割图像的尺寸相同；根据所述训练的训练结果，建立深度学习网络模型，具体为：根据所述多个前列腺特征图像，建立深度学习网络模型。5.根据权利要求4所述的方法，其特征在于，所述对所述多个原始前列腺分割图像中的每一个原始前列腺分割图像都进行编码处理，得到多个前列腺分割特征图像，包括以下步骤：对所述多个原始前列腺分割图像中的每一个原始前列腺分割图像都进行卷积操作，以提取出多个图像特征；将带有图像特征的原始前列腺分割图像确定为初始特征图像；对多个初始特征图像进行归一化处理，得到多个归一化后的初始特征图像；将所述多个归一化后的初始特征图像进行激活处理，得到多个激活后的初始特征图像；对所述多个激活后的初始特征图像进行下采样处理，得到多个特征图像；对所述多个特征图像进行池化压缩处理，得到多个前列腺分割特征图像。6.一种前列腺超声图像分割设备，其特征在于，包括：模型建立单元，...

【专利技术属性】
技术研发人员：卢旭，杨川，
申请(专利权)人：广东技术师范学院，暨南大学，
类型：发明
国别省市：广东,44