一种医学图像处理装置及方法制造方法及图纸

本发明专利技术提供一种医学图像处理方法，所述处理方法包括：获取待处理的医学图像；根据经训练的神经网络模型对医学图像进行处理；其中，所述神经网络模型包括多个神经网络结构单元，所述神经网络结构单元包括依次连接的第一卷积层、第二卷积层和第三卷积层，所述第一卷积层和所述第三卷积层的卷积核为单位卷积核；所述第一卷积层的输出通道数相对于所述第一卷积层的输入通道数被降维，所述第二卷积层在经过所述第一卷积层降维的特征图像上进行空间卷积，所述第三卷积层的输出通道数被升维至所述第一卷积层的输入通道数。

A Medical Image Processing Device and Method

The invention provides a medical image processing method, which includes: acquiring the medical image to be processed; processing the medical image according to the trained neural network model; wherein the neural network model comprises a plurality of neural network structural units, the neural network structural units include the first convolution layer, the second convolution layer and the third convolution layer connected in turn. The convolution core of the first convolution layer and the third convolution layer is a unit convolution core; the number of output channels of the first convolution layer is reduced in dimension relative to the number of input channels of the first convolution layer; the second convolution layer is convoluted in space on the characteristic image of the first convolution layer, and the number of output channels of the third convolution layer is increased in dimension to the first convolution layer. Number of input channels.

【技术实现步骤摘要】
一种医学图像处理装置及方法
本专利技术主要涉及医学图像领域，特别涉及一种医学图像处理装置及方法。
技术介绍
近年来，基于深度学习的图像处理方法在医学图像高级应用中已经得到大规模使用。在诸如医学图像检测、医学图像分割、医学图像重建，医学图像配准等领域，深度学习方法在正确率、鲁棒性和计算速度等方面都远胜于传统的图像处理方法。深度学习中图像领域运用最为成功的是卷积神经网络(ConvolutionalNeuralNetworks,CNN)。卷积神经网络中，可用于端到端分割的网络模型有全卷积网络(FullyConvolutionalNetwork，FCN)，deeplab等。在三维医学图像处理中，以图像分割为例，相比较于二维图像，现有神经网络训练产生的模型文件通常比较大，单个模型文件通常在250MB左右。如果软件产品中采用了多个神经网络模型，会大幅度增加最终软件产品的磁盘占用空间，从而给产品的部署带来很多不良的影响。此外，现有部署神经网络的方法及开源软件库，对每一个卷积层的输入和输出都需要分配新的内存，会耗费较多的显存，对产品部署的硬件配置带来了非常高的要求和成本。专利技术内容本专利技术要解决本文档来自技高网...

【技术保护点】
1.一种医学图像处理方法，其特征在于，所述处理方法包括：获取待处理的医学图像；根据经训练的神经网络模型对医学图像进行处理；其中，所述神经网络模型包括多个神经网络结构单元，所述神经网络结构单元包括依次连接的第一卷积层、第二卷积层和第三卷积层，所述第一卷积层和所述第三卷积层的卷积核为单位卷积核；所述第一卷积层的输出通道数相对于所述第一卷积层的输入通道数被降维，所述第二卷积层在经过所述第一卷积层降维的特征图像上进行空间卷积，所述第三卷积层的输出通道数被升维至所述第一卷积层的输入通道数。

【技术特征摘要】
1.一种医学图像处理方法，其特征在于，所述处理方法包括：获取待处理的医学图像；根据经训练的神经网络模型对医学图像进行处理；其中，所述神经网络模型包括多个神经网络结构单元，所述神经网络结构单元包括依次连接的第一卷积层、第二卷积层和第三卷积层，所述第一卷积层和所述第三卷积层的卷积核为单位卷积核；所述第一卷积层的输出通道数相对于所述第一卷积层的输入通道数被降维，所述第二卷积层在经过所述第一卷积层降维的特征图像上进行空间卷积，所述第三卷积层的输出通道数被升维至所述第一卷积层的输入通道数。2.根据权利要求1所述的医学图像处理方法，其特征在于，所述神经网络结构单元还包括批量归一化层和激活层。3.根据权利要求1所述的医学图像处理方法，其特征在于，所述神经网络模型为卷积神经网络模型。4.根据权利要求3所述的医学图像处理方法，其特征在于，所述卷积神经网络模型为U字型或V字型神经网络模型。5.根据权利要求4所述的医学图像处理方法，其特征在于，确定所有卷积层中输入和输出所需的最大内存，并根据所述最大内存分配相应的输入内存和输出内存，在处理过程中，所述输入内存和所述输出内存相互调换。6.根据权利要求5所述的医学图像处理方法，其特征...

【专利技术属性】
技术研发人员：韩妙飞，张宇，高耀宗，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海,31