【技术实现步骤摘要】
一种基于改进型3D
‑
UNet的MRI图像脑肿瘤分割方法
[0001]本专利技术涉及图像分割
，涉及适用于脑部MRI图像分割，可用于医学图像分割、脑部肿瘤识别等领域。
技术介绍
[0002]脑肿瘤是一种异常的组织增生，会导致颅内压升高，中枢神经系统受损，从而危及病人的生命。从磁共振图像中可靠地检测和分割脑肿瘤可以帮助在医学诊断中进行手术计划和治疗评估。目前，大多数脑瘤都是由医学专家手工分割的，这种方法耗时较长且过于依赖专家的主观经验。计算机辅助肿瘤分割在现代医学分析中发挥着越来越重要的作用。然而，由于脑肿瘤具有较大的空间和结构变异性，以及肿瘤灰度强度范围与健康组织灰度强度范围重叠，传统的机器学习方法仍无法准确的从磁共振图像中分割出脑部肿瘤。因此研制一种自动、准确、可重复的肿瘤分割算法仍然是一项具有挑战性的任务。
技术实现思路
[0003]针对现有技术的不足，本专利技术提供了一种基于改进型3D
‑
UNet的MRI图像脑肿瘤分割方法，该方法能够有效解决传统手工分割方式耗时...
【技术保护点】
【技术特征摘要】
1.一种基于改进型3D
‑
UNet的MRI图像脑肿瘤分割方法，其特征在于，包括如下步骤：步骤一、对获取到的带有标记信息的三维MRI图像进行预处理，具体包括如下内容：1)将三维MRI图像沿z轴切片并标号后按照下述方法剔除颅骨部分：a)从切片后图像最左侧中间位置作为起点向右开始直线搜索；b)搜索到第一个非零像素点后停止搜索并作为颅骨剔除初始坐标；c)由初始坐标开始搜索，使用区域生长算法搜索到完整颅骨图像并标记；d)将标记的像素点进行删除；剔除完成后依照标号将切片后的图像重新拼接为剔除颅骨后的脑部三维MRI图像；2)搜索图像中的所有的非零像素点并标记位置，使用所有标记位置中的最大最小值作为图像的上下边界，将边界外的无效像素点删除；3)使用最邻近插值算法将图片分辨率大小调整为120*120*80；4)对所有像素进行Max
‑
min归一化；5)将处理完成的三维MRI图像随机分为训练集和验证集、二者比例为9：1步骤二、构建改进型3D
‑
UNet网络，具体包括如下内容：1)使用一个拼接模块，将MRI图像的T1、T2、T1CE、Flair四种模态的图像进行通道拼接后输入到3D
‑
UNet网络；2)利用残差卷积模块替换3D
‑
UNet网络的采样模块；3)利用空洞特征提取模块替换3D
‑
UNet网络的桥接部分；4)将下采样过程中后级的卷积结果进行上采样并与上层结果拼接组合后输入到网络解码部分的拼接模块中；5)利用通道注意力模块改进解码部分的通道选择；步骤三、使用预处理完成的训练集数据对改进型3D
‑
UNet网络进行训练，得到脑肿瘤分割网络；步骤四、将待分割的脑部MRI图像导入脑肿瘤分割网络，然后经过脑肿瘤分割网络处理得到脑肿瘤分割结果。2.根据权利要求1所述的一种基于改进型3D
‑
UNet的MRI...
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。