一种基于迁移学习的医学图像分割方法技术

本发明专利技术公开了基于迁移学习的医学图像分割方法，具体按照以下步骤实施：搭建二维CT图像中肺部感染分割的神经网络；建立数据集，数据集由训练集以及测试集构成；首先对所有未标记的图片生成伪标签，之后对其进行预训练，将图片处理为统一的大小，然后设置神经网络的网络参数，并用训练集对神经网络进行迭代训练，最后保存训练好的神经网络模型；用测试集中的所有图片对训练好的神经网络模型进行测试，并记录相应的测试指标值；在神经网络中加上Transformer，并执行步骤3、4，与此同时适应性调节神经网络的网络参数；对步骤5得到的测试指标值和步骤4得到的测试指标值的进行对比，评价分割效果。评价分割效果。评价分割效果。

【技术实现步骤摘要】
一种基于迁移学习的医学图像分割方法


[0001]本专利技术属于医学图像分割
，具体涉及一种基于迁移学习的医学图像分割方法。

技术介绍

[0002]对于病毒感染区域的检测，传统的黄金检查标准RT
‑
PCR检测往往会出现高假阴性率的情况，放射成像技术CT显示有效性在当前诊断和评估疾病进化中，定性评估感染和CT切片的纵向变化等信息作为重要的诊断依据。
[0003]然而，手工标记肺部感染是一项繁琐而耗时的工作，而放射科医生的感染区标注是一项高度主观的任务，往往受到个体偏倚和临床经验的影响，因为CT切片中感染的纹理、大小和位置的检测差异较大，具有挑战性，类间差异较小，感染与正常组织的对比强度较低。因此，在CT切片中进行感染检测仍是一项具有挑战性的任务，人们很难收集足够的标记数据，在短时间内获得高质量的肺部感染的像素级注释，用以训练深度模型昂贵且耗时。
[0004]半监督模型基于少数标记数据，可以从其他异常区域中识别出目标区域，更适合于肺部病毒感染的评估。此外，迁移学习技术(transformer)是处理有限数据的另本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的医学图像分割方法，其特征在于，具体按照以下步骤实施：步骤1，搭建二维CT图像中肺部感染分割的神经网络。步骤2，建立数据集，数据集由来多张带标签的图片和多张不带标签的图片组成的训练集以及多张张带标签的图片组成的测试集构成。步骤3，首先对所有未标记的图片生成伪标签，之后对其进行预训练，将图片处理为统一的大小，然后设置神经网络的网络参数，并用训练集对神经网络进行迭代训练，最后保存训练好的神经网络模型。步骤4，用测试集中的所有图片对训练好的神经网络模型进行测试，并记录相应的测试指标值；步骤5，在步骤1中的神经网络中加上Transformer，并执行步骤3、步骤4，于此同时适应性调节神经网络的网络参数；步骤6，对步骤5得...

【专利技术属性】
技术研发人员：张杰，向坤兰，王静宜，康孟飞，张鑫，潘志庚，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：