[发明专利]一种腹部超声图像分割方法

权利要求书

1.一种腹部超声图像分割方法，其特征在于，包括以下步骤：

S1、获取腹部超声图像样本；

S2、对腹部超声图像样本进行分层标注；

S3、构建U-NET神经网络，利用分层标注后的腹部超声图像样本对U-NET神经网络进行训练，得到超声图像分割网络模型；

S4、基于超声图像分割网络模型，对腹部超声图像进行直接分割，一次性输出腹部超声图像的分层图像。

2.根据权利要求1所述的一种腹部超声图像分割方法，其特征在于，所述步骤S2具体包括以下步骤：

S21、对腹部超声图像样本进行数据扩充；

S22、基于交互式标注工具，对数据扩充后的腹部超声图像样本进行分层标注。

3.根据权利要求2所述的一种腹部超声图像分割方法，其特征在于，所述步骤S21中数据扩充的过程具体包括旋转、反射变换、翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动和颜色变换。

4.根据权利要求2所述的一种腹部超声图像分割方法，其特征在于，所述步骤S22具体是对数据扩充后的腹部超声图像样本进行皮肤、脂肪层、皮下肌层以及腹腔肠管的分层标注。

5.根据权利要求2所述的一种腹部超声图像分割方法，其特征在于，所述步骤S22中交互式标注工具为Labelme图形图像注释工具。

6.根据权利要求1所述的一种腹部超声图像分割方法，其特征在于，所述步骤S3具体包括以下步骤：

S31、构建全卷积的U-NET神经网络；

S32、输入分层标注后的腹部超声图像给U-NET神经网络，依次通过提取特征、恢复原始图像、预测分割以及反向传播更新网络参数，以训练得到超声图像分割网络模型。

7.根据权利要求6所述的一种腹部超声图像分割方法，其特征在于，所述U-NET神经网络的激活函数为带噪声的tanh函数，利用零均值的高斯噪声来消除超声图像自带的斑点噪声。

8.根据权利要求7所述的一种腹部超声图像分割方法，其特征在于，所述步骤S32中训练得到超声图像分割网络模型的具体过程为：

利用卷积层与池化层进行下采样，以提取图像的特征，得到特征图；

利用反卷积层进行上采样，使特征图恢复为原始超声图像的大小；

通过一个卷积层对超声图像进行预测分割；

将预测分割结果与分层标注分割结果进行作差计算，以建立损失函数，基于梯度下降反向传播，以更新网络参数。

9.根据权利要求8所述的一种腹部超声图像分割方法，其特征在于，所述预测分割具体是对腹部超声图像中的每一个像素进行概率预测，以得到该像素的腹部分层结果。