一种基于自组装网络的医学图像分割方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于自组装网络的医学图像分割方法，其包括：构建第一个自组装网络和第二个自组装网络；输入图像信息至第一个自组装网络；根据预测掩码计算出熵图和符号距离图并融合后输出至第二个自组装网络以得到图像分割结果。本发明专利技术还公开了一种基于自组装网络的医学图像分割装置以及计算机可读存储介质。

【技术实现步骤摘要】

本专利技术涉及医学图像，特别涉及一种基于自组装网络的医学图像分割方法、装置及存储介质。

技术介绍

1、图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。交互式图像分割则是用户以某种交互手段(如：打点、画线和画框)指定图像的部分前景与部分背景，然后方法以用户的输入作为分割的约束条件自动地将图像分离为感兴趣的目标前景和背景。交互式图像分割作为图像处理领域的一个重要分支，可用于图像/视频编辑、数据标注任务等。

2、近年来，随着深度学习的发展，可将交互式图像分割分为基于传统的交互式图像分割和基于深度学习的交互式图像分割。大多数传统的交互式分割方法通常被表述为一个图切割优化问题。

3、青光眼属于视神经退行性疾病，是导致老年人失明的主要原因之一。据估计，全球将有约1.118亿人受此影响。青光眼诊断的一个重要指标是视杯(optic cup，oc)和视盘(optic disc，od)的比值，即杯盘比。该比值变大则发展为青光眼的几率也会变本文档来自技高网...

【技术保护点】

1.一种基于自组装网络的医学图像分割方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于自组装网络的医学图像分割方法，其特征在于，所述第一个自组装网络和第二个自组装网络都包括：学生网络和教师网络；

3.根据权利要求2所述的基于自组装网络的医学图像分割方法，其特征在于，采用Dice系数损失作为所述有监督损失。

4.根据权利要求2所述的基于自组装网络的医学图像分割方法，其特征在于，采用平均平方误差损失作为所述无监督损失。

5.根据权利要求1所述的基于自组装网络的医学图像分割方法，其特征在于，所述熵图为香农熵图。p>

6.根据权...

【技术特征摘要】

1.一种基于自组装网络的医学图像分割方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于自组装网络的医学图像分割方法，其特征在于，所述第一个自组装网络和第二个自组装网络都包括：学生网络和教师网络；

3.根据权利要求2所述的基于自组装网络的医学图像分割方法，其特征在于，采用dice系数损失作为所述有监督损失。

4.根据权利要求2所述的基于自组装网络的医学图像分割方法，其特征在于，采用平均平方误差损失作为所述无监督损失。

5.根据权利要求1所述的基于自组装网络的医学图像分割方法，其特征在于，所述熵图为香农熵图。

6.根据权利要求1所述的基于自组装网络的医学图像分割方法，其特征在于，所述第一个自组装...

【专利技术属性】
技术研发人员：郑彩侠，孔俊，何演林，陈文河，
申请(专利权)人：东北师范大学，
类型：发明
国别省市：