【技术实现步骤摘要】
本专利技术属于图像分割，具体涉及一种基于种子簇生成的弱监督学习医学图像分割方法及系统。
技术介绍
1、医学图像在临床诊断和治疗中起着重要作用。然而，由于不同成像模态和参数的影响，医学图像在表达目标结构时存在差异。因此，医学图像的融合已经吸引了越来越多的研究者，并成为该领域的热点问题。通过对医学图像的不同区域进行分割，可以提高对生理结构的识别和观察能力，加速医生阅片和诊断，可以更全面地了解患者的生理状态，为临床决策提供更准确的信息。
2、目前，像素级图像分割算法主要可以分为两类：基于传统方法和深度学习的图像分割算法。传统的基于区域生长的算法简单易实现对噪声具有一定的鲁棒性。这种方法通过计算相邻像素之间的相似性满足一定条件时，将它们合并为一个区域，直到整个图像被分割成多个区域为止。但是容易受到种子点选择的影响，对于复杂纹理和结构的医学图像效果不是太理想，对参数设置比较敏感，分割效率低，实用性低。
3、边缘检测的算法能够准确提取对象的边缘信息，利用图像中像素灰度值的不连续性来检测对象边缘，然后根据边缘信息进行分割，然而...
【技术保护点】
1.一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：对若干历史医学图像进行预处理，得到若干预处理后历史医学图像，包括如下步骤：
3.根据权利要求2所述的一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：使用中值滤波器，对若干历史医学图像进行去噪处理，得到对应的若干去噪后历史医学图像，所述的中值滤波的公式为：
4.根据权利要求1所述的一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：对若干预处理后历史医学...
【技术特征摘要】
1.一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：对若干历史医学图像进行预处理，得到若干预处理后历史医学图像，包括如下步骤：
3.根据权利要求2所述的一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：使用中值滤波器，对若干历史医学图像进行去噪处理，得到对应的若干去噪后历史医学图像，所述的中值滤波的公式为：
4.根据权利要求1所述的一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：对若干预处理后历史医学图像进行边缘松弛点和前景种子点标注，得到若干标注后历史医学图像，包括如下步骤：
5.根据权利要求1所述的一种基于种子簇生成的弱监督学习医学图像分割方法，其特征在于：所述的边缘松弛点包括预处理后历史医学图像的最高点、最低点、前外围点、后外围点、左外围点以及右外围点；
6.根据权利要求1所述的一种基于种子簇生成的弱监督...
【专利技术属性】
技术研发人员：张雨，邹杰，黄梦醒，章志远，周文杰，毋媛媛，冯文龙，
申请(专利权)人：海南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。