[发明专利]一种基于双U型网络框架的图像分割方法

权利要求书

1.一种基于双U型网络框架的图像分割方法，其特征在于，包括

S1:将图像数据划分为训练集和测试集；

S2:搭建双U型网络结构，将训练集输入网络结构中，获得网络输出即分割结果概率图；所述分割结果概率图包括边界及区域信息；

S3:根据分割结果概率图与金标准间的差异计算损失函数；

S4:使用反向传递降低损失函数，从而更新网络中的系数；

S5:迭代S2-S4所述过程40次，迭代收敛，获得图像分割网络；

S6:使用训练好的图像分割网络，对待识别图像进行识别和分割。

2.根据权利要求1所述的一种基于双U型网络框架的图像分割方法，其特征在于，所述图像数据包括原始CT图像与相应的医生手动标记的边界；

所述边界的标签由医生勾画的边界向内侧或者向内外两侧膨胀2个像素获得。

3.根据权利要求1所述的一种基于双U型网络框架的图像分割方法，其特征在于，所述双U型网络结构为对称结构，包括收缩路径和扩张路径，输入为原始的CT图像，输出为边界及区域的概率图像。

4.根据权利要求3所述的一种基于双U型网络框架的图像分割方法，其特征在于，收缩路径分别与两个扩张路径相连；所述收缩路径上卷积层的输出分别与两个扩张路径上的卷积层的输入通过相连接；

所述收缩路径同时提取边界及区域的低维特征图，两个扩张路径分别自动提取边界及区域的高维特征图；

扩张路径将特征图数目从32变为分割的目标数2；利用sigmoid函数将特征图转化为分割结果概率图；使用阈值0.5将概率图转化为二值分割结果。

5.根据权利要求4所述的一种基于双U型网络框架的图像分割方法，其特征在于，根据低维和高维特征图的分辨率，所述收缩路径和扩张路径分为五个不同状态，每个状态由两个块组成，每个块含有一个3*3的卷积层、一个批量规范化层和一个线性整流激活层，在收缩或扩张路径上，第二个块与一个核大小为2*2的下采样即上卷积层串联；两个扩张路径的最后一层均为1*1的卷积层。

6.根据权利要求1所述的一种基于双U型网络框架的图像分割方法，其特征在于，

定义所述损失函数M-Dice及M-Loss函数分别为：

其中，M为2，表示待分割目标的边界及区域两类，p_i和g_i表示输出概率图像P与金标准图像G中像素点的值，N表示目标图像中像素点的个数和；Dice表示分割结果与金标准间整体的一致性，其值的范围为从0到1，0表示两个体积间没有重合，1表示完全重合。