一种基于双U型网络框架的图像分割方法技术

本发明专利技术公开了一种基于双U型网络框架的图像分割方法，具体方法如下：S1:将图像数据划分为训练集和测试集；S2:搭建双U型网络结构，将训练集输入网络结构中，获得网络输出即分割结果概率图；所述分割结果概率图包括边界及区域信息；S3：根据分割结果概率图与金标准间的差异计算损失函数；S4：使用反向传递降低损失函数，从而更新网络中的系数；S5:迭代S2‑S4所述过程40次，迭代收敛，获得图像分割网络；S6:使用训练好的图像分割网络，对待识别图像进行识别和分割。本发明专利技术同时利用目标区域与边界来分割图像，获得了更好的分割性能。

An image segmentation method based on double U-shaped network framework

【技术实现步骤摘要】
一种基于双U型网络框架的图像分割方法
本专利技术属于图像处理领域，尤其涉及一种基于双U型网络框架的图像分割方法。
技术介绍
图像分割是将图像表示为物理上有意义的连通区域的集合。根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其他伪目标中分离出来的过程。作为图像分析的基础，图像分割已经被广泛用于医学图像中组织器官的分割。通常，医生根据图像的灰度以及已有的先验知识来确定器官的边界。然而，这种手动分割需要花费医生大量的时间以及精力，并且这样的工作单调乏味，容易使人疲劳。因此，一些传统的图像处理方法已经被应用与器官的分割。然而，由于图像对比度低，不同患者的器官形状各有不同以及不同器官间的相似性，获得较高的自动分割准确性较为困难。因此，具有较好分割性能的器官自动分割方法仍然是未解决的难题。在图像分割问题中，待分割目标的金标准通常由人工手动勾画获得。然而，现在被广泛使用的CNNs(卷积神经网络ConvolutionalNeuralNetworks，CNNs)分割方法进将目标的整个区域作为标签来训练网络，并没有充分利用本文档来自技高网...

【技术保护点】
1.一种基于双U型网络框架的图像分割方法，其特征在于，包括/nS1:将图像数据划分为训练集和测试集；/nS2:搭建双U型网络结构，将训练集输入网络结构中，获得网络输出即分割结果概率图；所述分割结果概率图包括边界及区域信息；/nS3:根据分割结果概率图与金标准间的差异计算损失函数；/nS4:使用反向传递降低损失函数，从而更新网络中的系数；/nS5:迭代S2-S4所述过程40次，迭代收敛，获得图像分割网络；/nS6:使用训练好的图像分割网络，对待识别图像进行识别和分割。/n

【技术特征摘要】
1.一种基于双U型网络框架的图像分割方法，其特征在于，包括
S1:将图像数据划分为训练集和测试集；
S2:搭建双U型网络结构，将训练集输入网络结构中，获得网络输出即分割结果概率图；所述分割结果概率图包括边界及区域信息；
S3:根据分割结果概率图与金标准间的差异计算损失函数；
S4:使用反向传递降低损失函数，从而更新网络中的系数；
S5:迭代S2-S4所述过程40次，迭代收敛，获得图像分割网络；
S6:使用训练好的图像分割网络，对待识别图像进行识别和分割。


2.根据权利要求1所述的一种基于双U型网络框架的图像分割方法，其特征在于，所述图像数据包括原始CT图像与相应的医生手动标记的边界；
所述边界的标签由医生勾画的边界向内侧或者向内外两侧膨胀2个像素获得。


3.根据权利要求1所述的一种基于双U型网络框架的图像分割方法，其特征在于，所述双U型网络结构为对称结构，包括收缩路径和扩张路径，输入为原始的CT图像，输出为边界及区域的概率图像。


4.根据权利要求3所述的一种基于双U型网络框架的图像分割方法，其特征在于，收缩路径分别与两个扩张路径相连；所述收缩路径上卷积层的输出分别与两个扩张路径上...

【专利技术属性】
技术研发人员：郭薇，周翰逊，张国栋，宫照煊，国翠，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：辽宁;21