一种MRI脑肿瘤图像分割方法及系统技术方案

本发明专利技术提供一种MR I脑肿瘤图像分割方法及系统，包括：步骤1.获取患者的MR I脑肿瘤图像，构建数据集，并对数据集进行预处理，得到MR I脑肿瘤图像为(256,256)大小；步骤2.构建改进的网络模型，改进框架结构；步骤3.将预处理后的数据输入到步骤2中改进的网络模型中进行处理，得到预测分割结果，检验训练效果并评估模型的性能，保存训练后的最优的网络模型；步骤4.将步骤1经过预处理后的患者的脑肿瘤MR I图像输入步骤3训练好的最优网络模型中，更新网络权重参数，得到最优的网络分割结果。本发明专利技术通过特征融合和注意力调节来实现对输入的MR I图像的处理，帮助网络更好的捕捉图像的上下文信息和细节特征，提升模型在图像处理任务中性能。

【技术实现步骤摘要】

本专利技术属于图像处理，尤其涉及一种mri脑肿瘤图像分割方法及系统。

技术介绍

1、脑交质瘤是由脑神经胶质细胞癌变引起的最常见的原发性脑肿瘤，占成人恶性脑瘤的80％。由于肿瘤组织挤压并侵入正常脑组织，导致对患者进行肿瘤切除手术是极具挑战的，而基于影像学的诊断可为神经外科医生提供肿瘤的大小、范围、肿瘤与周围重要结构的毗邻关系及形态学特征，为脑肿瘤的诊断与治疗带来了极大的帮助。目前，神经影像常规检查主要包括计算机断层扫描(computed tomography,ct)和磁共振成像(magneticresonance imaging,mri)；其中，核磁共振成像技术因其非侵入性、高分辨率和对软组织对比度良好等优点，在医学图像领域得到了广泛应用。因此如何有效利用图像信息，提高mri脑肿瘤图像的分割效率和准确率，对于提高临床诊断效率和精度至关重要。

2、如今，随着深度学习技术的发展，基于深度学习的图像分割手段由于其优秀的表现能力成为当今智能医疗领域的主流趋势，被广泛应用于脑肿瘤自动分割任务中。其中，卷积神经网络(convolutional neural 本文档来自技高网...

【技术保护点】

1.一种MRI脑肿瘤图像分割方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤1中预处理包括背景裁剪和图像增强；

3.根据权利要求2所述方法，其特征在于，MRI脑肿瘤图像中的低强度值即低于最大强度的10％。

4.根据权利要求1所述的方法，其特征在于，步骤2具体包括：

5.根据权利要求4所述的方法，其特征在于，所述像素级注意力引导模块包括：

6.根据权利要求1所述的方法，其特征在于，所述Dice损失函数是用于图像分割任务的评估指标和损失函数，其定义为：式中A和B分别代表真实预测的图片和经过模型预测的图片。...

【技术特征摘要】

1.一种mri脑肿瘤图像分割方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤1中预处理包括背景裁剪和图像增强；

3.根据权利要求2所述方法，其特征在于，mri脑肿瘤图像中的低强度值即低于最大强度的10％。

4.根据权利要求1所述的方法，其特征在于，步骤2具体包括：

5.根据权利要求4所述的方法，其特征在于，所述像素级注意力引导模块包括：

6.根据权利要求1所述的方法，其特征在于，所述dice损失函数是用于图像分割任务的评估指标和损失函数，其定义为：式中a和b分别代表真实预测的图片和经过模型预测的图片。

...

【专利技术属性】
技术研发人员：铁菊红，梁永华，彭辉，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：