当前位置: 首页 > 专利查询>温州大学专利>正文

一种基于多尺度扩张全卷积神经网络的超声图像分割方法技术

技术编号:36433562 阅读:24 留言:0更新日期:2023-01-20 22:46
本发明专利技术提供了一种基于多尺度扩张全卷积神经网络的超声图像分割方法,其特征在于,包括以下步骤:步骤S1、基于医学超声图像给定一个深度神经网络模型;步骤S2、将多尺度信息提取模块(Multi

【技术实现步骤摘要】
一种基于多尺度扩张全卷积神经网络的超声图像分割方法


[0001]本专利技术涉及图像处理领域,特别涉及一种基于多尺度扩张全卷积神经网络的超声图像分割方法。

技术介绍

[0002]在医学成像领域中,医学超声影像是医学影像中常用的一种影像,对人体生理信息,疾病检查以及帮助医生作出临床诊断发挥着很大的作用。超声影像技术作为非侵入诊断技术的一种对人体没有产生辐射,并且有着高信噪比、高分辨率、费用少,高效率,实时,安全和方便等优点,使得超声影像在临床检查中有广泛的应用,比如医生可以通过超声影像观察患者前列腺、乳腺、结肠腺、甲状腺、肝脏等器官病变情况,并将其作为诊断的重要参考依据。
[0003]近几年,随着计算机视觉技术的发展,出现众多有关图像分割的方法。在这些研究方法的基础上,研究者们围绕超声图像分割做了大量的研究和探索,并取得不少的成就。在传统医学影像分割领域,超声图像分割方法主要有区域生长分割法、阈值分割法,边缘检测法、聚类的分割法,活动轮廓模型分割法等。然而,传统方法存在诸多问题比如过度分割,边缘分割不理想,鲁棒性较弱,特定部位分割结果不准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度扩张全卷积神经网络的超声图像分割方法,其特征在于,包括以下步骤:步骤S1、基于医学超声图像给定一个深度神经网络模型;步骤S2、将多尺度信息提取模块(Multi

scale Information Extraction,MISE)置入到全卷积网络模型(Fully Convolutional Networks,FCNs)的结构中(MSIE

FCNs),MSIE模块具体放置在FCN的第3层、第4层、第5层最后一个卷积层的后面。2.根据权利要求1所述的一种基于多尺度扩张全卷神经网络的超声图像分割方法,其特征在于:所述的步骤S2具体包括:在网络模型的第l层卷积层后添加MISE模块,模型结构的第l+1层的卷积变化:设定卷积核的个数为k,第i个卷积核为K
i
,偏置为b,*
d
表示膨胀系数为d的扩张卷积(空洞卷积),激活函数为Γ,则输出的特征图x
l+1
的表达式为:式(1)膨胀系数d,使得输出特征图,即l+1层卷积层的每个元素拥有感受野(respective field)p=s+dt,s为l层卷积层感受野,t为K
i
卷积核感受野。3.根据权利要求2所述的一种基于多尺度扩张全卷神经网络的超声图像分割方法,其特征在于:所述的步骤S2具体以下步骤:步骤S21、空洞空...

【专利技术属性】
技术研发人员:周潇钱乐旦李毅
申请(专利权)人:温州大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1