基于区域生长和改进U-net的脑血管分割方法、装置和电子设备制造方法及图纸

本申请涉及一种基于区域生长和改进U‑net的脑血管分割方法、装置和电子设备，该方法包括对原始脑血管图像进行预处理，得到预处理后脑血管图像，使用U‑net神经网络模型对所述预处理后脑血管图像进行推理，得到初步分割图像，自动化选取种子点，对所述初步分割图像进行区域生长，得到区域生长图像，通过对所述初步分割图像和所述区域生长图像进行图像融合和图像处理操作，得到最终的融合分割图像。该方法通过改进U‑net深度学习分割方法和区域生长分割方法的融合，达成了使用度更广的脑血管分割方法，不但提高了深度学习分割方法在图像质量一般情况下的准确性，也大大提高了区域生长分割方法种子点的选取效率与精确性。

【技术实现步骤摘要】

本申请涉及医疗图像分割，尤其涉及一种基于区域生长和改进u-net的脑血管分割方法、装置和电子设备。

技术介绍

1、随着医疗影像技术的不断发展，高分辨率的医学影像设备使得脑部图像的采集变得更加便捷，如计算机断层扫描(ct)、磁共振成像(mri)等，医生可以获得大量的脑部图像数据。在对脑部图像数据的处理中，脑血管分割方法是其中一项关键技术，然而，一般的脑血管分割方法主要包括基于阈值分割、区域生长、形态学操作等，普遍存在分割精度不高、鲁棒性不强、计算效率低等问题。如何快速、准确地从这些复杂的医学图像中提取出有价值的脑血管信息，是一个亟待解决的关键问题。

技术实现思路

1、有鉴于此，本申请提出了一种基于区域生长和改进u-net的脑血管分割方法，以解决上述
技术介绍
所体现的问题。

2、根据本申请的一方面，提供了一种基于区域生长和改进u-net的脑血管分割方法，包括以下步骤：

3、对原始脑血管图像进行预处理，得到预处理后脑血管图像；

4、使用u-net神经网络模型对所述预处理后脑血管图像本文档来自技高网...

【技术保护点】

1.一种基于区域生长和改进U-net的脑血管分割方法，其特征在于，通过深度学习分割方法和区域生长分割方法的融合，对脑血管图像进行分割，所述方法包括以下步骤：

2.如权利要求1所述的一种基于区域生长和改进U-net的脑血管分割方法，其特征在于，所述U-net神经网络模型为改进U-net神经网络模型，主要由编码器和解码器构成；

3.如权利要求1所述的一种基于区域生长和改进U-net的脑血管分割方法，其特征在于，自动化选取种子点，对所述初步分割图像进行区域生长，得到区域生长图像，包括：

4.如权利要求1所述的一种基于区域生长和改进U-net的脑血管分割方法，...

【技术特征摘要】

1.一种基于区域生长和改进u-net的脑血管分割方法，其特征在于，通过深度学习分割方法和区域生长分割方法的融合，对脑血管图像进行分割，所述方法包括以下步骤：

2.如权利要求1所述的一种基于区域生长和改进u-net的脑血管分割方法，其特征在于，所述u-net神经网络模型为改进u-net神经网络模型，主要由编码器和解码器构成；

3.如权利要求1所述的一种基于区域生长和改进u-net的脑血管分割方法，其特征在于，自动化选取种子点，对所述初步分割图像进行区域生长，得到区域生长图像，包括：

4.如权利要求1所述的一种基于区域生长和改进u-net的脑血管分割方法，其特征在于，通过图像融合和图像处理得到最终的融合分割图像，包括：

5.如权利要求2所述的一种基于区域生长和改进u-net的脑血管分割方法...

【专利技术属性】
技术研发人员：黄麟淞，惠瑞，杨龙，
申请(专利权)人：北京北卓医疗科技发展有限责任公司，
类型：发明
国别省市：