一种基于神经网络与超像素算法的CT图像肝脏自动分割方法技术

本发明专利技术提出了一种基于Unet网络与SLIC超像素算法相结合的新型CT图像肝脏自动分割方法。该方法一方面通过Unet网络对CT图像进行初步预测，又通过超像素算法对结果进行后处理，提高了肝分割结果的轮廓完整度，强化了预测结果的边缘与CT图像中肝脏真实轮廓的匹配性。本发明专利技术旨在解决当分类特征存在于边缘部分时，肝自动分割后的破碎边缘会严重影响网络分类准确性这一问题。经过验证，相比于其他相关分割算法，该算法明显提高了分割精度，也提高了边缘敏感型分类情况的正确率。在实践方面，该方法既可以减少人工分割的工作量，又提高了分割边缘的真实性，在医学图像处理方面有很强的实用性。用性。用性。

【技术实现步骤摘要】
一种基于神经网络与超像素算法的CT图像肝脏自动分割方法


[0001]本专利技术涉及人工智能深度学习、卷积神经网络(Convolutional Neural Networks，CNN)、和图像处理在CT图像中肝脏分割方向的应用。

技术介绍

[0002]肝癌是我国最常见的癌症之一，并具有可预测性低、恶化速度快、导致死亡率高的特点。其中最常见的两种原发性肝癌分别为肝细胞癌(hepatocellular carcinoma，HCC)和肝内胆管细胞癌(intrahepatic cholangiocarcinoma，ICC)。这两种较为常见的原发性肝癌有着不同的组织来源和发病机制，这导致它们的临床特点不同，针对它们进行的影像学检查和疾病预后也都有较大的差别。肝细胞癌和肝内胆管细胞癌在患病初期都无特异性症状，因此在影像学检查中肝内胆管细胞癌会易误诊为肝细胞癌。而两种癌症的治疗方案有较大的不同，因此，在临床上对肝细胞癌和肝内胆管细胞癌的准确诊断有重要的意义，而精确的肝脏分割对其诊断准确性的提升有显著的作用。
[0003]传统的肝脏自动分割算法一般是通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明公开了一种基于Unet网络和SLIC超像素算法相结合的CT图像肝脏自动分割算法，其特征在于先用Unet网络对CT图像进行初步预测，再用SLIC超像素算法对预测结果进行后处理。基于这个方法分割后的肝脏部分具有更高的完整度，有效降低了边缘轮廓的破碎情况。2.根据权利要求1所述的一种基于Unet网络和SLIC超像素算法相结合的CT图像肝脏自动分割算法，其特征在于已有的CT图像数据库对Unet网络进...

【专利技术属性】
技术研发人员：仓锡惠，陈颖，白司悦，葛云，
申请(专利权)人：南京大学，
类型：发明
国别省市：