一种基于生成对抗网络的肝脏肿瘤图像增广方法技术

本发明专利技术公开了一种基于生成对抗网络的肝脏肿瘤图像增广方法，首先构建训练样本，然后构建生成对抗网络模型，生成对抗网络模型包括生成器和判别器，对生成对抗网络模型进行训练，利用得到的训练样本和生成肿瘤图像对构建的生成对抗网络模型进行迭代训练，通过混合损失函数对所述生成对抗网络模型进行优化得到训练完成的生成对抗网络模型，最后从肝脏肿瘤的CT切片数据集中提取一个随机肝脏肿瘤图像，输入到训练完成的生成对抗网络模型中，得到肝脏肿瘤图像集。本发明专利技术能够通过生成对抗网络模型生成随机肝脏肿瘤图像实现肝脏肿瘤数据集的增广，有助于增加肝脏肿瘤的可变性，为肝脏切片创建一个丰富真实肝脏肿瘤切片数据。切片创建一个丰富真实肝脏肿瘤切片数据。切片创建一个丰富真实肝脏肿瘤切片数据。

【技术实现步骤摘要】
一种基于生成对抗网络的肝脏肿瘤图像增广方法


[0001]本专利技术属于医学图像处理领域，具体涉及一种基于生成对抗网络的肝脏肿瘤图像增广方法。

技术介绍

[0002]随着科学技术的进步，医学影像技术取得了长足的发展，图像分割是提取医学图像中特殊组织的定量信息不可缺少的手段，为了可以准确分辨医学图像中的正常组织结构和异常病变，需要对医学图像进行分割，医学图像的分割是医学图像处理的关键步骤。
[0003]由于图像分割模型训练中需要对大量参数进行调优，因此对训练样本的数量有较高的需求。因此对训练数据进行数据增广成为应用深度学习技术的主要手段之一，该方法主要是对图像进行变换操作，如平移或旋转、镜像等，来增加训练数据的数量。但是对图像进行简单的变换操作得出的样本图像与实际图像存在有较大的误差。

技术实现思路

[0004]为了解决现有技术的上述问题，本专利技术提供一种基于生成对抗网络的肝脏肿瘤图像增广方法，能够通过生成对抗网络模型生成随机肝脏肿瘤图像实现肝脏肿瘤数据集的增广。本专利技术的技术方案如下：
[0005]一种基于生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的肝脏肿瘤图像增广方法，其特征在于，所述方法包括：S1，构建训练样本；包括获取包含肝脏肿瘤的CT切片，并在所述CT切片中选定的肿瘤位置和形状以形成肿瘤掩模，并根据选定的肿瘤掩模与肝脏肿瘤的CT切片进行融合得到训练样本；S2，构建生成对抗网络模型，所述生成对抗网络模型包括生成器、判别器；所述生成器用于根据训练样本通过编码部分和解码部分得到生成肿瘤图像，所述编码部分用于对输入的训练样本进行特征提取与分析，所述解码部分用于将训练样本所提取出的特征进行还原；所述判别器用于得到所述生成肿瘤图像中感兴趣区域的真实概率，所述真实概率用于表征所述生成肿瘤图像由所述训练样本生成的概率；S3，对生...

【专利技术属性】
技术研发人员：金烁，董家鸿，王博，赵威，申建虎，张伟，徐正清，
申请(专利权)人：西安智诊智能科技有限公司，
类型：发明
国别省市：