[发明专利]一种基于深度学习的腹内脂肪分割方法

摘要

本发明涉及一种基于深度学习的腹内脂肪分割方法，用于同时分割内脏脂肪组织和皮下脂肪组织，所述方法包括下列步骤：识别腹部脂肪像素点；对识别出的腹部脂肪像素点进行深度学习，得到腹部脂肪像素点的本质特征；将腹部脂肪像素点的本质特征输入到分类算法中，得到初步分割结果；将初步分割结果转到极坐标中，进一步修正被误分的腹部脂肪像素点，得到腹部脂肪分割图；按照梯度高低对腹部脂肪分割图中各类型脂肪比例进行计算，并将计算结果通过体绘制技术进行直观显示。与现有技术相比，本发明具有应用及时、无需再次训练、错误率小、精确度高以及全自动分割等优点。

主权项

1.一种基于深度学习的腹内脂肪分割方法，用于同时分割内脏脂肪组织和皮下脂肪组织，其特征在于，所述方法包括下列步骤：1)识别腹部脂肪像素点，2)对步骤1)中识别出的腹部脂肪像素点进行深度学习，得到腹部脂肪像素点的本质特征，3)将步骤2)中得到的腹部脂肪像素点的本质特征输入到分类算法中，得到初步分割结果，4)将步骤3)中得到的初步分割结果转到极坐标中，进一步修正被误分的腹部脂肪像素点，得到腹部脂肪分割图，5)按照梯度高低对步骤4)中得到的腹部脂肪分割图中各类型脂肪比例进行计算，并将计算结果通过体绘制技术进行直观显示；所述步骤1)中识别腹部脂肪像素点是通过Active contour算法实现的，具体实现步骤为：11)将腹部的边缘通过连续曲线来表示，12)定义能量泛函，所述能量泛函的自变量包括步骤11)中的连续曲线，13)求解步骤12)中能量泛函的最小值，与能量泛函最小值对应的自变量即为识别出的腹部脂肪像素点；所述步骤2)具体为：21)采用多尺度块作为步骤1)中识别出的腹部脂肪像素点的特征输入，逐层构建神经网络，22)按照顺序对所有层的神经网络进行训练，利用wake‑sleep算法进行调优，得到腹部脂肪像素点的本质特征。