一种引入先验信息与特征融合的脑组织图像分割方法技术

本发明专利技术涉及一种引入先验信息与特征融合的脑组织图像分割方法，属于数字图像处理和模式识别领域。该方法包含如下步骤：预处理脑组织图像，将数据划分为训练集和验证集；通过密集连接模块和瓶颈模块提取数据块的特征；在每个主干网络的跳跃连接部分融合不同层级的编码阶段特征，并传递到解码层；使用残差连接模块和上采样构建解码层；使用三个主干网络分别分割三个脑组织，将三个分割结果作为先验信息，引入到网络中。本发明专利技术引入特征融合可以应对复杂结构的特征提取，引入先验信息可以使网络更关注易错区域，从而提高网络的分割精度。从而提高网络的分割精度。从而提高网络的分割精度。

【技术实现步骤摘要】
一种引入先验信息与特征融合的脑组织图像分割方法


[0001]本专利技术属于数字图像处理和模式识别领域，涉及一种引入先验信息与特征融合的脑组织图像分割方法。

技术介绍

[0002]大脑是人类身体最重要的器官之一，对人类身体健康至关重要。研究表明，大脑的发育状态与人类的身体健康密切相关。通过对大脑发育状态的研究，可以提前评估和预测脑部可能存在的风险。随着医学影像技术的迅猛发展，医学成像技术被广泛地应用于临床辅助诊断。而准确分割大脑组织是辅助医生进行定量和定性的分析的关键步骤。手动分割大脑组织不仅需要丰富的医学知识而且分割效率较低，且容易受到医生主观因素的影响。因此，一个快速精确的自动化分割算法就变得非常关键。
[0003]人脑具有高度复杂的结构，包含多种不同类型的组织，如灰质、白质、脑脊液等，它们的形态、大小和位置差异显著。此外，这些组织之间存在着复杂的相互作用，使得整个脑部的结构更加复杂。受采样序列或者射频电圈的影响，即使在同一幅图像中同一个解剖结构的灰度往往分布也不均匀。这些都会对分割脑部组织产生影响。
[0004]U
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种引入先验信息与特征融合的脑组织图像分割方法，其特征在于：该方法包括以下步骤：S1、获取并预处理脑组织图像，将预处理后的图像分为训练集和验证集；S2、使用密集连接模块和瓶颈模块提取图像特征构建编码模块，并提取复杂的医学图像特征；S3、将步骤S2中得到的图像特征输入跳跃连接中的特征融合模块；S4、结合特征融合阶段的特征与上采样的特征，并使用残差连接模块搭建解码模块；S5、将三个主干网络的分割结果作为先验信息，引入到网络，得到模型的分割结果。2.根据权利要求1所述的脑组织图像分割方法，其特征在于：步骤S1包括以下步骤：S11、对获取的三维脑组织图像进行裁剪，去除像素灰度值为0的多余区域，保留包含完整脑组织区域的最小立方体；S12、对裁剪后的图像进行Z
‑
Score归一化；S13、将处理后的脑组织图像数据切成若干个64
×
64
×
64大小的图像切块，并随机选取一个切块作为U
‑
Net网络模型的输入。3.根据权利要求1所述的脑组织图像分割方法，其特征在于：步骤S2包括以下步骤：S21、使用密集连接模块和瓶颈模块对脑组织图像进行特征提取，得到64
×<...

【专利技术属性】
技术研发人员：刘玲慧，杨军，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：