一种基于生成对抗网络的肺部CT病变通用自动分割方法技术

本发明专利技术属于图像分割技术领域，尤其涉及一种基于生成对抗网络的肺部CT病变通用自动分割方法。其对肺部CT图像病变实现通用的自动分割，降低了为各个类型的肺部病变CT图像重新设计不同分割方法的成本。包括：基于U

【技术实现步骤摘要】
一种基于生成对抗网络的肺部CT病变通用自动分割方法


[0001]本专利技术属于图像分割
，尤其涉及一种基于生成对抗网络的肺部CT病变通用自动分割方法。

技术介绍

[0002]由于肺部CT图像上的病变区域包含肺结节、肺炎、以及肺结核等不同类型的肺部病变，其自动分割方法往往受制于肺部病变类型多样性、病变组织灰度变化复杂性、以及病变形态位置的不确定性等因素的影响。而新兴的卷积神经网络虽然有潜力为肺部CT图像上病变区域提供通用的分割方法，但是目前受制于可获得的训练样本数较少，分割网络往往仅针对某一种肺部CT病变进行设计与训练，无法为肺部CT图像上病变提供一种通用的自动分割方法。
[0003]生成对抗网络是一种能够有效地学习图像特点的新型网络，有潜力为肺部CT图像上不同类型的病变提供一种通用的分割方法。但是由于目前生成对抗网络难以同时有效学习肺部CT图像上病变形态信息以及图像语义信息，使得网络结构利用率较低；其次，由于生成对抗网络本身的判别器遗忘的缺陷，使得网络训练复杂且训练耗时较长。

技术实现思路

[0004]本专利技术就本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的肺部CT病变通用自动分割方法，其特征在于：包括：基于U
‑
net与注意力网络的融合生成网络分割肺部CT图像病变区域，获取所述肺部CT图像病变区域的分割图像；基于融合自监督旋转损失的判别网络，根据所述肺部CT图像上病变区域的分割图像与实病变图像，计算分割图像与真实病变图像之间的图像损失及自监督旋转损失；基于所述分割图像与真实病变图像的损失值对生成网络与判别网络分别进行训练与优化，以实现肺部CT图像上肺病变区域的自动分割。2.根据权利要求1所述的一种基于生成对抗网络的肺部CT病变通用自动分割方法，其特征在于：所述肺部CT图像包括肺结节图像、肺炎图像、肺结核图像。3.根据权利要求1所述的一种基于生成对抗网络的肺部CT病变通用自动分割方法，其特征在于：所述U
‑
net与注意力网络的融合生成网络分割肺部CT图像病变区域，获取所述肺部CT图像病变区域的分割图像包括对U
‑
net的浅层短连接添加空间注意力网络，对U
‑
net的深层短连接添加通道注意力网络。4.根据权利要求3所述的一种基于生成对抗网络的肺部CT病变通用自动分割方法，其特征在于：所述对U
‑
net的浅层短连接添加空间注意力网络，对U
‑
net的深层短连接添加通道注意力网络包括：以U
‑
net作为骨干网络，在U
‑
net网络的第一次短连接中加入空间注意力网络模块，在U
‑
net网络的第二次、第三次短连接中加入通道注意力网络模块。5.根据权利要求4所述的一种基于生成对抗网络的肺部CT病变通用自动分割方法，其特征在于：所述在U
‑
net网络的第一次短连接中加入空间注意力网络模块包括U
‑
net网络第一次短连接的输入图像首先经过空间注意力网络模块，学习肺部CT图像上病变区域的形态学信息；所述在U
‑
net网络的第二次、第三次短连接中加入通道注意力网络模块包括U
‑
net网络的第二次、第三次网络短连接的输入图像首先经过通道注意力网络模块，学习肺部CT图...

【专利技术属性】
技术研发人员：宋江典，王禹滋，陈博宇，王嘉俊，刘奕墨，丁慕菲，
申请(专利权)人：中国医科大学，
类型：发明
国别省市：