[发明专利]基于神经网络的脑组织分层方法、装置、计算机设备

权利要求书

1.一种基于神经网络的脑组织分层方法，其特征在于，包括：

获取脑CT的影像信息；

通过预训练好的脑切割卷积神经网络提取所述脑CT影像信息的特征，得到所述脑CT影像的特征图；

将所述脑CT影像的特征图进行候选框对齐操作之后获取实例类别的语义信息和实例像素级的位置信息；

将所述实例类别的语义信息和实例像素级的位置信息输入到预训练好的分层神经网络，输出所述脑CT影像的分层结果。

2.如权利要求1所述的方法，其特征在于，在所述获取脑CT的影像信息的步骤之前，还包括步骤：

将脑CT图进行通道预处理得到脑CT影像信息。

3.如权利要求1所述的方法，其特征在于，所述通过预训练好的脑切割卷积神经网络提取所述脑CT影像信息的特征，得到所述脑CT影像的特征图的步骤具体包括：

将获取到的脑CT影像信息输入到训练好的ResNet卷积神经网络，提取所述脑CT影像的特征图。

4.如权利要求3所述的方法，其特征在于，所述将所述脑CT影像的特征图进行候选框对齐操作之后获取实例类别的语义信息和实例像素级的位置信息的步骤具体包括：

获取脑CT影像的特征图上每一个像素点的候选框并对获取到的候选框进行候选框对齐操作；

将进行候选框对齐操作后的特征图输入到全连接层网络，得到特征图的实例类别的语义信息和实例像素级的位置信息。

5.如权利要求4所述的方法，其特征在于，在所述获取脑CT影像的特征图上每一个像素点的候选框并对获取到的候选框进行候选框对齐操作的步骤之后，还包括步骤：

通过全卷积神经网络为每一个候选框对齐操作后的像素点生成掩码，将实例分割出来。

6.如权利要求4所述的方法，其特征在于，所述将所述实例类别的语义信息和实例像素级的位置信息输入到预训练好的分层神经网络，输出所述脑CT影像的分层结果的步骤具体包括：

将实例类别的语义信息和实例像素级的位置信息联合输入到分层神经网络的卷积层再次提取特征；

将分层神经网络的卷积层提取到的特征输入到分层神经网络的全连接层进行分类，得到所述脑CT影像的分层结果并输出。

7.一种基于神经网络的脑组织分层装置，其特征在于，包括：

第一获取模块，用于获取脑CT的影像信息；

提取模块，用于通过预训练好的脑切割卷积神经网络提取所述脑CT影像信息的特征，得到所述脑CT影像的特征图；

第二获取模块，用于将所述脑CT影像的特征图进行候选框对齐操作之后获取实例类别的语义信息和实例像素级的位置信息；

输出模块，用于将所述实例类别的语义信息和实例像素级的位置信息输入到预训练好的分层神经网络，输出所述脑CT影像的分层结果。

8.如权利要求7所述装置，其特征在于，在所述第一获取模块之前还包括：

预处理模块，用于将脑CT图进行通道预处理得到脑CT影像信息。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的基于神经网络的脑组织分层方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于神经网络的脑组织分层方法的步骤。