一种基于W-Net网络的肝脏图像分割方法技术

本发明专利技术属于医学图像分割技术领域，具体涉及一种基于W

【技术实现步骤摘要】
一种基于W
‑
Net网络的肝脏图像分割方法


[0001]本专利技术属于医学图像分割
，具体涉及一种基于W
‑
Net网络的肝脏图像分割方法。

技术介绍

[0002]目前生物医学图像的分割可以帮助放射科医生做出更好的诊断，并通过帮助检测异常，如肿瘤，更快地做出决定。然而，手工或半自动化的分割可能是一项耗时的任务。大多数基于深度学习的自动分割方法都是有监督的，依赖于人工分割的真实值。
[0003]存在问题或缺陷的原因：图像分割是将一幅图像分割成多个片段的过程，其中每个片段中的像素根据它们的强度或感兴趣的区域进行连接。生物医学图像分割是医学成像领域的一个重大进展，因为它帮助放射科医生和医生做出更好和更快的决定。利用各种深度学习技术进行医学图像分割的方法已经被提出。然而，这些方法需要大量的训练数据，以及各自的分割掩模，且分割准确率不高。

技术实现思路

[0004]针对上述模型的需要大量训练数据、分割准确率低等问题，本专利技术提供了一种具有能够抑制分割中噪声、提高分割准确率的肝脏分割方法。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于W
‑
Net网络的肝脏图像分割方法，其特征在于：包括下列步骤：S100、数据采集：对40名受试者的肝脏CT影像数据集进行采集，并对其图像中的病灶区域进行标注，将其转化为二值图；S200、数据预处理：对数据归一化并且进行体素之间的权值计算，同时扩增数据集；S300、模型构建：将预处理的数据集输入到改进的W
‑
Net网络模型进行图像分割，再对分割网络输出的分割图像通过条件随机场进行后处理，完成参数模型的搭建；S400、模型保存：对损失函数不再降低的模型进行保存。2.根据权利要求1所述的一种基于W
‑
Net网络的肝脏图像分割方法，其特征在于：所述S100数据采集中，对所采的数据集采用T1
‑
DUAL和T2
‑
SPIR两种不同序列，对肝脏数据集中的病灶区域进行数据标注得到标签图，将获取的两者图像进行整理形成原始数据集。3.根据权利要求2所述的一种基于W
‑
Net网络的肝脏图像分割方法，其特征在于：所述S200数据预处理中，对图像进行归一化处理，使其像素值在0
‑
1之间，再将其提供给网络。4.根据权利要求3所述的一种基于W
‑
Net网络的肝脏图像分割方法，其特征在于：所述S200数据预处理中，将数据集按照7：2：1的比例分为训练集、验证集与测试集。5.根据权利要求4所述的一种基于W
‑
Net网络的肝脏图像分割方法，其特征在于：所述S300模型构建中，用由两个三维卷积层组成、内核尺寸为3的18模块组成左边为AU
‑
Encoder、右边为AU
‑
Deco...

【专利技术属性】
技术研发人员：潘晓光，宋晓晨，韩锋，马彩霞，陈智娇，
申请(专利权)人：山西三友和智慧信息技术股份有限公司，
类型：发明
国别省市：