基于多分枝监督的肺部x图像分割方法技术

本发明专利技术公开了基于多分枝监督的肺部x图像分割方法，具体包括如下步骤：步骤1，输入公开QaTa‑COV19数据集，将该数据集划分为测试集和训练集，分别对测试集和训练集中图像进行预处理；步骤2，构建基于多分枝监督的肺部图像分割网络模型，通过该模型对步骤1处理后的图像进行分割；步骤3，使用步骤1处理后的QaTa‑COV19训练集对步骤2构建的模型进行训练；步骤4，将步骤1预处理后的QaTa‑COV19测试集送入步骤3训练好的模型，最终输出分割的结果。本发明专利技术克服了传统图像分割方法只关注边缘信息以及网络加深梯度消失的问题，能够精确地分割病变区域。

【技术实现步骤摘要】

本专利技术属于图像处理，涉及基于多分枝监督的肺部x图像分割方法。

技术介绍

1、肺部图像分割旨在将医学图像中的肺炎区域与正常区域进行分离和提取。肺部图像分割是医学影像分析领域的重要任务，它可以帮助医生更好地理解疾病的发展和定位病变区域。

2、通过肺部图像分割，医生可以准确地确定肺部中受到感染或其他异常情况影响的区域，这对于诊断和治疗肺部病人非常重要。肺部图像分割可以用于计算病变的大小、形状和位置等信息，帮助医生制定治疗方案和评估疗效。

3、传统的肺部图像分割方法采用的是一个编码器网络和两个解码器网络组成。其中一个解码器网络用于生成正常的分割结果，而另一个解码器网络则专门负责提取边缘信息。但这种方法存在一些局限性，虽然边缘是图像中物体边界的重要特征，但仅仅依靠边缘信息进行分割可能无法完全捕捉到物体的内部结构和细节信息，特别是在肺部图像这样复杂的医学影像中，仅依靠边缘信息进行分割可能会导致分割结果不完整或不准确。边缘信息通常仅提供物体的轮廓信息，而无法准确地确定物体的内部结构和组织分布；肺部图像中的病变可能具有复杂的形状和边界，仅依靠边本文档来自技高网...

【技术保护点】

1.基于多分枝监督的肺部x图像分割方法，其特征在于：具体包括如下步骤：

2.根据权利要求1所述的基于多分枝监督的肺部x图像分割方法，其特征在于：所述步骤1中，对QaTa-COV19数据集预处理的过程为：对肺部x射线图像和标签进行随机旋转、随机亮度、对比度和饱和度调整，得到预处理后的图像I。

3.根据权利要求1所述的基于多分枝监督的肺部x图像分割方法，其特征在于：所述步骤2的具体过程为：

4.根据权利要求3所述的基于多分枝监督的肺部x图像分割方法，其特征在于：所述步骤2.1的具体过程为：

5.根据权利要求4所述的基于多分枝监督的肺部x图像分割...

【技术特征摘要】

1.基于多分枝监督的肺部x图像分割方法，其特征在于：具体包括如下步骤：

2.根据权利要求1所述的基于多分枝监督的肺部x图像分割方法，其特征在于：所述步骤1中，对qata-cov19数据集预处理的过程为：对肺部x射线图像和标签进行随机旋转、随机亮度、对比度和饱和度调整，得到预处理后的图像i。

3.根据权利要求1所述的基于多分枝监督的肺部x图像分割方法，其特征在于：所述步骤2的具体过程为：

4.根据权利要求3...

【专利技术属性】
技术研发人员：石争浩，罗舒婷，冯亚宁，尤珍臻，贾萌，杨秀红，都双丽，葛飞航，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：