一种用于边缘计算平台的轻量化脑瘤图像分割方法技术

本发明专利技术提出一种用于边缘计算平台的轻量化脑瘤图像分割方法，包括一下步骤：使用磁共振成像数据集作为训练集，按比例划分为训练数据集和验证数据集。接着，对所有训练样本进行预处理，将样本数据无效的部分进行裁剪，对数据进行归一化，对训练样本数据进行随机旋转、裁剪，对样本标签进行单热点编码，得到训练集和验证集。然后，构建轻量化脑瘤图像分割神经网络，使用训练集和多重损失函数对构建的神经网络进行训练，并用验证机调整超参数。最后，获取待检测的磁共振成像数据，先归一化待检测数据，然后输入到训练好的神经网络获得分类数据，最后对分类数据二值化得到脑瘤多分类检测结果。

【技术实现步骤摘要】

本专利技术属于医学图像领域，尤其涉及用于边缘计算平台的轻量化脑瘤图像分割方法。

技术介绍

1、脑瘤图像分割是医学图像分割领域中核心技术之一，对于在早期发现脑瘤并辅助治疗方案制定有重要作用。磁共振成像(magnetic resonance imaging，mri)对身体无已知的侵害作用，根据不同的成像原理，可以mri可以获得四种序列图像：flair、t1、t1ce和t2，这四种序列图像从不同物理角度反映了脑组织的状态。但由于脑瘤的形状、大小、性质和空间分布多种多样，通过人工手动将脑瘤区域标定出来通常需要60分钟，且培养一名经验丰富的专家需要大量的时间和资源，患者通常需要排队等待专家的分析结果，这不利于在早期及时进行治疗。随着卷积神经网络(convolutional neural networks，cnn)在图像领域取得了突破，通过cnn在mri图像中检测脑瘤基本能够满足高精度的要求。

2、但是目前cnn网络存在参数量庞大、计算量大等问题，通常需要大型服务器才能部署，其运行维护成本高，阻碍了脑瘤图像分割技术的广泛应用。具体在脑瘤图像分割应用中时，主本文档来自技高网...

【技术保护点】

1.一种用于边缘计算平台的轻量化脑瘤图像分割方法，其特征在于，包括：

2.根据权利要求1所述的一种用于边缘计算平台的轻量化脑瘤图像分割方法，其特征在于：所述磁共振成像数据集包括3种磁共振成像序列图，分别为flair序列图、t1ce序列图、t2序列图。

3.根据权利要求1所述的一种用于边缘计算平台的轻量化脑瘤图像分割方法，其特征在于：所述磁共振成像数据集标签独热编码，将三维空间标签中的如1、2、4的部分进行分离，获得三个二值标签，其分别表示原三维空间中标签值为1、2、4的空间位置。

4.根据权利要求1所述的一种用于边缘计算平台的轻量化脑瘤图像分割方法，其...

【技术特征摘要】

1.一种用于边缘计算平台的轻量化脑瘤图像分割方法，其特征在于，包括：

2.根据权利要求1所述的一种用于边缘计算平台的轻量化脑瘤图像分割方法，其特征在于：所述磁共振成像数据集包括3种磁共振成像序列图，分别为flair序列图、t1ce序列图、t2序列图。

3.根据权利要求1所述的一种用于边缘计算平台的轻量化脑瘤图像分割方法，其特征在于：所述磁共振成像数据集标签独热编码，将三维空间标签中的如1、2、4的部分进行分离，获得三个二值标签，其分别表示原三维空间中标签值为1、2、4的空间位置。

4.根据权利要求1所述的一种用于边缘计算平台的轻量化脑瘤图像分割方法，其特征在于：轻量化多特征...

【专利技术属性】
技术研发人员：刘怡俊，谢林峰，叶武剑，王岳，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：