[发明专利]一种基于自编码器和生成对抗网络的医学图像分割方法

权利要求书

1.一种基于自编码器和生成对抗网络的医学图像分割方法，其特征在于，包括：

训练阶段：

以医学图像为训练样本，以所述医学图像的病灶或器官分割图像为标签，对分割模型以及判别器进行训练；

其中，所述分割模型包括编码器、第一解码器、第二解码器，所述编码器包括依次交替连接的卷积层和高斯下采样层，所述解码器包括依次交替连接的上采样层和卷积层；

所述编码器中各阶段对应尺度的特征通过跳跃连接层输入到所述第一解码器中对应阶段及所述对应阶段的上一阶段的网络层；所述第一解码器中各阶段对应尺度的特征通过跳跃连接层输入到所述各阶段的后两个阶段的网络层；所述第二解码器中各阶段对应尺度的特征，通过跳跃连接层输入到所述第一解码器对应阶段的网络层；其中，在所述编码器中各阶段以下采样层划分，所述第一解码器和第二解码器中各阶段以上采样层划分；

所述训练阶段的损失函数包括所述第二解码器生成的所述医学图像的重构图像的重构误差函数、所述第一解码器生成的所述医学图像的病灶或器官分割图像的分割误差函数及判别器真假值预测的损失函数；其中，在所述训练阶段，所述判别器与所述分割模型共同组成生成对抗网络；

应用阶段：

将待分割的医学图像输入至训练好的分割模型，得到分割结果。

2.如权利要求1所述的方法，其特征在于，所述卷积层为加入注意力机制的深度可分离卷积层。

3.如权利要求1所述的方法，其特征在于，在训练阶段，采用反向传播算法对所述分割模型的参数进行更新。

4.如权利要求1所述的方法，其特征在于，所述判别器包括依次交替连接的卷积层和高斯下采样层，以及全局池化层和全连接层。

5.如权利要求1-4任一项所述的方法，其特征在于，所述上采样层和下采样层的数量均为4。

6.如权利要求5所述的方法，其特征在于，以所述编码器的第5个阶段为中心，所述编码器与所述第一解码器、第二解码器为对称结构。

7.一种基于自编码器和生成对抗网络的医学图像分割系统，其特征在于，包括：计算机可读存储介质和处理器；

所述计算机可读存储介质用于存储可执行指令；

所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行如权利要求1-6任一项所述的方法。