基于U-Net网络的改进水平集心脏MRI图像分割方法技术

一种基于U‑Net网络的改进水平集心脏MRI图像分割方法，涉及计算机视觉领，提出的新的边缘指示函数可以提高了在像素变化平缓位置的演化速度，并且在临近目标边界时，可以令演化曲线准确的停留在目标边界，避免对目标图像的过分割。除此之外，还提出了一个新的约束项，该约束项将地面真实值与U‑Net预处理的结果进行线性融合，可以避免U‑Net对图像细节部分处理不到位导致曲线收敛不准确问题，并且衔接了U‑Net模型和改进的水平集模型，在一定程度上还可以解决初始轮廓选择的问题。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，具体涉及一种基于u-net网络的改进水平集心脏mri图像分割方法。

技术介绍

1、近年来，图像分割的技术日渐成熟，基于神经网络的分割方法越来越多，基于神经网络进行图像分割的方法往往需要用大量图像去训练，并且在一些比较微小的细节上神经网络方法分割不准确，输出一些粗略的结果图，传统的活动轮廓模型在一些微小细节上分割上更准确。现在心血管疾病仍是人们健康的头号杀手，对心脏图像进行分割处理是解决心血管疾病的必要手段，但是由于心脏活动的特殊性以及影像设备的差异性，一些模糊形状复杂的图像很难进行分割，并且心脏图像的数据很少，难以用来进行神经网络的大规模训练。而传统的水平集方法需要人为设定分割的初始轮廓，耗时耗力。

技术实现思路

1、本专利技术为了克服以上技术的不足，提供了一种提高模型分割效率和准确率的基于u-net网络的改进水平集心脏mri图像分割方法。

2、本专利技术克服其技术问题所采用的技术方案是：

3、一种基于u-net网络的改进水平集心脏mri图像分割方法，包括本文档来自技高网...

【技术保护点】

1.一种基于U-Net网络的改进水平集心脏MRI图像分割方法，其特征在于，包括：

2.根据权利要求1所述的基于U-Net网络的改进水平集心脏MRI图像分割方法，其特征在于：步骤a)中从ACDC数据集中随机选取一张心脏MRI图像I及图像I对应的标签I1。

3.根据权利要求1所述的基于U-Net网络的改进水平集心脏MRI图像分割方法，其特征在于，步骤c)包括如下步骤：

4.根据权利要求3所述的基于U-Net网络的改进水平集心脏MRI图像分割方法，其特征在于：步骤e)中通过公式

5.根据权利要求4所述的基于U-Net网络的改进水平集心脏MRI图像...

【技术特征摘要】

1.一种基于u-net网络的改进水平集心脏mri图像分割方法，其特征在于，包括：

2.根据权利要求1所述的基于u-net网络的改进水平集心脏mri图像分割方法，其特征在于：步骤a)中从acdc数据集中随机选取一张心脏mri图像i及图像i对应的标签i1。

3.根据权利要求1所述的基于u-net网络的改进水平集心脏mri图像分割方法，其特征在于，步骤c)包括如下步骤：

4.根据权利要求3所述的基于u-net网络的改进水平集心脏mri图像分割方法，其特征在于：步骤e)中通过公式

5.根据权利要求4所述的基于u-net网络的改进水平集心...

【专利技术属性】
技术研发人员：陈长芳，樊学强，舒明雷，邓邱伟，周书旺，刘照阳，孙宏霞，田云龙，朱喆，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：