【技术实现步骤摘要】
一种基于伪彩色CT图像的深度学习分割方法
本专利技术涉及医学图像处理领域，尤其涉及一种基于伪彩色CT图像的深度学习分割方法。
技术介绍
X射线CT(ComputedTomography)具有成像速度快、空间分辨率高等优势在医学诊断和治疗等领域具有广泛应用。CT图像分割在三维重建、计算机辅助诊断和治疗、放射治疗等领域具有重要意义。目前感兴趣组织分割大多依靠医生手动进行勾画，但观察不同组织图像的窗宽窗位往往差异较大，难以在相同的窗宽窗位下对其进行同时分割，致使图像分割不仅需要耗费大量的时间和精力，且易受主观性和医生经验的影响，存在因疲劳或者经验不足等原因导致的勾画结果不一致等问题，对临床诊断和治疗产生不利影响。随着计算机技术的发展，提出了诸多医学图像分割算法，如阈值法、区域生长法、主动轮廓模型分割法等。但在组织或器官边界不明显的情况下，这些算法难以获得满意的分割结果，且通常需要人工干预，存在人为误差。阈值法在图像背景和目标差异较大时可得到精确的分割图像，但在灰度差异不大的情况下难以获得令人满意的分割结果；区域生长法对种子点的选取...
【技术保护点】
1.一种基于伪彩色CT图像的深度学习分割方法，其特征在于包括以下步骤：/n步骤1：获取CT图像数据集S
【技术特征摘要】
1.一种基于伪彩色CT图像的深度学习分割方法，其特征在于包括以下步骤：
步骤1：获取CT图像数据集SI0和对应的标签图像数据集SL0；
步骤2：通过图像旋转、缩放操作对数据集进行扩增；
步骤3：生成伪彩色CT图像数据集SIP；
步骤4：将伪彩色CT图像数据集SIP及对应的标签图像数据集SL0随机分成训练集ST和测试集SX；
步骤5：构建深度学习网络架构；
步骤6：利用训练集ST和测试集SX对深度学习网络模型进行训练，得到训练好的分割模型；
步骤7：将需要进行分割的图像数据转换为伪彩色图像，输入到训练好的深度学习网络模型中，得到对应的分割结果。
2.根据权利要求1所述的基于伪彩色CT图像的深度学习分割方法，其特征在于，对于步骤2，在-15°～15°之间随机产...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：镇江慧影科技发展有限公司，
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。