基于生成对抗网络模型改进的脑肿瘤图像分割算法制造技术

本发明专利技术公开了一种基于生成对抗网络模型改进的脑肿瘤图像分割算法。针对肿瘤边缘以及细节区域分割不准确的问题。该方法对生成对抗网络进行改进，对于模型的生成器部分，引入了跨尺度的跳跃链接，旨在更好的捕捉上下文信息，提取更加完整的边缘细节特征；在解码器阶段，结合坐标注意力机制来捕获位置信息和通道关系，使网络聚焦在肿瘤特征上，同时抑制无关特征；并使用L1损失和Dice损失结合的目标函数来解决样本类别不平衡的问题，显著提高了脑肿瘤MR图像的精确性和鲁棒性。实验结果表明，改进的网络比其他典型脑肿瘤分割方法具有更优的分割效果。

【技术实现步骤摘要】

本专利技术涉及医学图像处理，特别是涉及一种基于生成对抗网络的脑肿瘤mri图像自动分割方法及系统，适用于多模态脑肿瘤图像的分割与诊断。

技术介绍

1、脑疾病通常具有高致残致死率，严重威胁着人类的健康。脑肿瘤是由大脑内部不规则生长和繁殖的异常细胞产生的，其中，脑部胶质瘤性质最为恶劣。胶质瘤可直接造成神经系统损坏，并引发一系列并发症，是最具侵袭性的肿瘤之一。由于非侵入式的核磁共振成像(mri)比电子计算机断层扫描(ct)和正电子发射断层扫描(pet)更为高效，所以mri医学影像被广泛应用于图像分割。目前，脑肿瘤的分割主要依赖于放射科医生的手动分割，这种方法耗时且受个人经验影响较大。传统的图像分割方法(如阈值分割、区域生长等)在处理脑肿瘤mri图像时存在局限性，尤其是对边缘模糊、灰度差异大的肿瘤区域分割效果不佳。因此，开发一种准确、可靠的自动脑肿瘤分割方法具有重要的临床意义。

2、早期基于人工智能的分割算法主要依赖于机器学习的方法。其中，支持向量机和随机森林等判别模型，对提高大脑mri图像分割的准确性做出了一定的贡献。但这些传统的机器学习模型仍需要人为本文档来自技高网...

【技术保护点】

1.一种基于生成对抗网络模型改进的脑肿瘤图像分割算法，包括以下步骤：

2.根据权利要求1所述的一种基于生成对抗网络模型改进的脑肿瘤图像分割算法，其特征在于，所述步骤1中的具体过程如下：

3.根据权利要求1所述的一种基于生成对抗网络模型改进的脑肿瘤图像分割算法，其特征在于，所述步骤2中的具体过程如下：

4.根据权利要求1所述的一种基于生成对抗网络模型改进的脑肿瘤图像分割算法，其特征在于，所述步骤3中的具体过程如下：

5.根据权利要求1所述的一种基于生成对抗网络模型改进的脑肿瘤图像分割算法，其特征在于，所述步骤4中的具体过程如下：

【技术特征摘要】

1.一种基于生成对抗网络模型改进的脑肿瘤图像分割算法，包括以下步骤：

2.根据权利要求1所述的一种基于生成对抗网络模型改进的脑肿瘤图像分割算法，其特征在于，所述步骤1中的具体过程如下：

3.根据权利要求1所述的一种基于生成对抗网络模型改进的脑肿瘤图像分割算法，其特征...

【专利技术属性】
技术研发人员：苏彦莽，常薇薇，陈怡宁，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：