一种基于改进U-net的患者脑室图像分割方法技术

本发明专利技术公开了一种基于改进U

【技术实现步骤摘要】
Flash，另一台是德国西门子的SOMATOM Emotion16。其次，使用1.5TMR扫描仪(Avanto，Siemens，Erlangen，Germany)和3.0TMRI扫描仪(Prisma，Siemens，Erlangen，Germany)进行MRI检查。所有图像都存储在图存档和通信系统(PACS)中。然后手动勾画脑室。对于MRI图像，选择T1WI进行手动标记。
[0010]具体的标注过程如下：
[0011]使用ITK软件对脑室进行标注；对脑室勾画结果进行评估，对标注不准确时进行调整；当扫描层厚度>3mm时定义为厚层图像，否则定义为薄层图像。
[0012]综上，所有脑室图像被分为四组，即薄层CT图像、厚层CT图像、薄层MRI图像和厚层MRI图像。
[0013]步骤2、利用步骤1处理后的数据，构建基于改进U
‑
net的脑室分割模型，将数据输入模型，并得到分割结果，具体操作如下：
[0014]步骤2
‑
1：使用编码器在ImageNet公共数据集上预训练ResNet
>‑
34模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进U
‑
net的患者脑室图像分割方法，其特征在于，该方法具体包括以下步骤：步骤1、采集患者脑部CT的原始图像，得到薄层CT图像、厚层CT图像、薄层MRI图像和厚层MRI图像并对其进行标注，其中当扫描层厚度>3mm时定义为厚层图像，否则定义为薄层图像；步骤2、利用步骤1处理后的数据，构建基于改进U
‑
net的脑室分割模型，将数据输入模型，并得到分割结果，具体操作如下：步骤2
‑
1：使用编码器在ImageNet公共数据集上预训练ResNet
‑
34模型；步骤2
‑
2：使用亚像素代替反卷积操作扩充图像信息，具体如下：亚像素卷积基于图像上两个实际像素之间的像素，通过其周围像素点信息将其还原表示；子像素卷积表示为：F
L
＝SP(W
L
*F
L
‑1+b
L
)
ꢀꢀꢀꢀ⑴
其中SP(.)算子将形状H
×
W
×
C
×
r2的张量变换排列成rH
×
rW
×
C形状的张量，F
L
‑1和F
L
是输入特征和输出特征，W
L
和b
L
是亚像素卷积算子的参数，使用厚切片和薄切片图像作为输入；其中厚切片图像进行了标记，而薄切片图像没有进行标记；步骤3、对于步骤2得到的特征图像，从最小化厚薄图像差异和分割差异两方面对模型输出特征层进行损失函数的计算，并反向传输调整模型，具体操作如下：为了利用未标记的薄切片图像来最小化厚切片和薄切片图像之间的性能差异，模型的损失分为两部分，一部分是最小化厚切片模型输出和真实分割情况的差异，一部分是用薄切片模型输出最小化厚薄切片之间的差异，使用以下目标函数来优化项目组的模型：L(x
s
,x
t
)＝L
s
(p
s
,y
s

【专利技术属性】
技术研发人员：孙嘉壕，邵艳利，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：