肺部X光图像分割方法、系统、计算机设备及存储介质技术方案

本发明专利技术公开了一种肺部X光图像分割方法、系统、计算机设备及存储介质，所述方法包括：获取肺部X光图像数据集；对肺部X光图像数据集进行预处理，得到训练集；将训练集输入RIAMU

【技术实现步骤摘要】
肺部X光图像分割方法、系统、计算机设备及存储介质


[0001]本专利技术涉及一种肺部X光图像分割方法、系统、计算机设备及存储介质，属于肺部X光图像分割领域。

技术介绍

[0002]医学图像是很多疾病诊断的重要依据，因此在疾病诊断的过程中，产生了很多的医学图像，这给医学图像分割算法的研究带来了数据基础。传统的图像分割方法利用的是图像中一种或几种人为选取的特征，导致传统方法在分割特征不是显而易见的图像时往往准确率不高。图像分割在医学成像等多种其他应用中起着重要的作用，分割过程的目标是定义图像中具有某些属性，利用这些属性可以使分割出的图像各部分差异较小。这些性质的定义应满足一个一般条件，即如果考虑同一组适当的条件，分割后相邻不同区域是不相似的。
[0003]总体上可以将医疗图像的分割算法分为传统方法和基于深度学习的方法。基于阈值的方法、基于区域的方法、基于边缘的方法是较为常见的传统分割方法。基于阈值的方法利用图像中每个像素的灰度值对每个像素来分类，是最简单和最快速的方法。具体来说就是为每个类别设定一个灰度值的范围，遍历一次图像的像素值就可以得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺部X光图像分割方法，其特征在于，所述方法包括：获取肺部X光图像数据集；对肺部X光图像数据集进行预处理，得到训练集；将训练集输入RIAMU
‑
Net模型进行训练，得到训练后的RIAMU
‑
Net模型；其中，所述RIAMU
‑
Net模型以U
‑
Net模型为基础，编码器的每一层均包括Res
‑
inception模块，解码器的每一层均包括注意力机制模块和Res
‑
inception模块；利用训练后的RIAMU
‑
Net模型对待分割肺部X光图像数据进行分割，得到分割图像。2.根据权利要求1所述的肺部X光图像分割方法，其特征在于，所述对肺部X光图像数据集进行预处理，得到训练集，具体包括：将肺部X光图像数据集中的样本数据进行图像去噪、尺寸裁剪的预处理；根据预处理后的肺部X光图像数据集，划分得到训练集。3.根据权利要求1所述的肺部X光图像分割方法，其特征在于，所述对肺部X光图像数据集进行预处理，得到训练集之后，还包括：将训练集中的训练数据进行随机比例缩放、随机位置裁剪、随机水平/垂直翻转、随机角度旋转、随机亮度/饱和度/对比度变化的增强处理，得到增强处理后的训练集。4.根据权利要求1所述的肺部X光图像分割方法，其特征在于，所述RIAMU
‑
Net模型的编码器具有五层，从上到下依次为第一层、第二层、第三层、第四层和第五层；在编码器的第一层中，输入图像经过第一Res
‑
inception模块，输出得到第一特征图像；第一特征图像通过第一连跳结构传输到解码器；在编码器的第二层中，第一特征图像经过核为2x2的最大池化后，拼接上输入图像经过第一池化再经过1x1卷积得到的图像，经过第二Res
‑
inception模块，输出得到第二特征图像；第二特征图像通过第二连跳结构传输到解码器；在编码器的第三层中，第二特征图像经过核为2x2的最大池化后，拼接上输入图像经过第二池化再经过1x1卷积得到的图像，经过第三Res
‑
inception模块，输出得到第三特征图像；第三特征图像通过第三连跳结构传输到解码器；在编码器的第四层中，第三特征图像经过核为2x2的最大池化后，拼接上输入图像经过第三池化再经过1x1卷积得到的图像，经过第四Res
‑
inception模块，输出得到第四特征图像；第四特征图像通过第四连跳结构传输到解码器；在编码器的第五层中，第四特征图像经过核为2x2的最大池化后，得到编码器第五层的输入特征图像，经过第五Res
‑
inception模块，输出得到第五特征图像；其中，所述第一池化、第二池化和第三池化采用了不同尺度的池化，所述第一连跳结构、第二连跳结构、第三连跳结构和第四连跳结构均带有1x1卷积。5.根据权利要求4所述的肺部X光图像分割方法，其特征在于，所述RIAMU
‑
Net模型的解码器具有四层，从上到下依次为第一层、第二层、第三层和第四层；在解码器的第四层中，第五特征图像经过第一次转置卷积后与第四特征图像拼接得到第一合成特征图像，第一合成特征图像依次经过第一注意力机...

【专利技术属性】
技术研发人员：李西明，徐康，郭玉彬，杜治国，温嘉勇，陈志浩，王璇，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：