【技术实现步骤摘要】
一种基于PSPNet与HED相结合的医学图像骨骼分割方法
本专利技术涉及一种基于PSPNet与HED相结合的医学图像骨骼分割方法，属于计算机图像处理领域。
技术介绍
目前传统的医学图像分割方法主要包括基于阈值特性分割和基于区域特性分割等。阈值分割是最常见的直接检测目标区域的分割方法，阈值分割又可以分为单阈值分割方式和多阈值分割方式。单阈值分割只需要选取一个阈值将图像简单的分为背景部分与目标部分，多阈值分割需要设置多个阈值将图像分割为多个目标位置，为了区分不同阈值得到的目标，需要对各个区域进行标记。区域分割的效果取决于阈值的选择，相对于其他分割方法，阈值分割的速度较快、计算简单、效率高。但是这种方法没有充分考虑空间特性，只关注像素的灰度特征，对于噪声图像效果不够理想。随着深度学习在各个领域的不断发展与应用，卷积神经网络也逐渐应用在图像处理领域中。卷积神经网络在图像分类与图像特征的提取方面有着很好的效果，相对于传统图像分割方法卷积神经网络在分割准确率与精细度上有大幅的提升，凭借着其优秀的效果，卷积神经网络以及一些优秀的神...
【技术保护点】
1.一种基于PSPNet与HED相结合的医学图像骨骼分割方法，其特征在于，具体步骤如下：/n步骤1，将HED网络与PSPNet网络组合起来搭建新的神经网络：/n以HED网络的输出特征替换PSPNet网络中采用空洞卷积策略所提取feature map、与PSPNet网络的金字塔池化模块输出的上采样结果组合后作为PSPNet网络的卷积层的输入；/n步骤2，采用现有医学图像作为训练样本，对步骤1中搭建的新的神经网络进行训练；/n步骤3，采用步骤2中完成训练的新的神经网络进行骨骼分割。/n
【技术特征摘要】
1.一种基于PSPNet与HED相结合的医学图像骨骼分割方法，其特征在于，具体步骤如下：
步骤1，将HED网络与PSPNet网络组合起来搭建新的神经网络：
以HED网络的输出特征替换PSPNet网络中采用空洞卷积策略所提取featuremap、与PSPNet网络的金字塔池化模块输出的上采样结果组合后作为PSPNet网络的卷积层的输入；
步骤2，采用现有医学图像作为训练样本，对步骤1中搭建的新的神经网络进行训练；
步骤3，采用步骤2中完成训练的新的神经网络进行骨骼分割。
<...
【专利技术属性】
技术研发人员：陈阳，宋晓伟，高大志，陈吉瑞，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。