[发明专利]一种基于深度学习的病变区域自动分割方法

摘要

本发明涉及一种基于深度学习的病变区域自动分割方法，其包括以下步骤S1)采集多个病例数据，然后对病变部位特定模态的医学图像进行标准化预处理；S2)由医学影像师对病变区域逐层进行边缘标注，将其作为真实数据；S3)进行训练样本的提取，从病变区域内部和病变区域之外一定距离内的体素中，随机各抽取若干体素，并以该体素为中心取固定大小的图片块作为下一步的训练样本；S4)建立深度学习神经网络，对上述病例的正负样本进行训练；进行后处理和分割精度测评，在取得满意分割精度后，得到分割模型；S5)对于待诊断的病例，采集同部位同样模态的医学图像，进行标准化预处理；S6)使用分割模型自动检测病变区域，输出分割结果。

主权项

一种基于深度学习的病变区域自动分割方法，其特征在于，包括以下步骤：S1)采集多个病例数据，然后对病变部位特定模态的医学图像进行标准化预处理；S2)由医学影像师对病变区域逐层进行边缘标注，将其作为真实数据；S3)进行训练样本的提取，其包括：从病变区域内部和病变区域之外一定距离内的体素中，随机各抽取若干体素，并以该体素为中心取固定大小的图片块用于作为下一步的训练样本；图片中心在病变区域内部的作为正样本，图片中心在病变区域外的作为负样本，正负样本的图片块中均同时包含两类体素，即，病变区域内的体素和病变区域外的体素；S4)建立深度学习神经网络，对上述病例的正负样本进行训练；进行后处理和分割精度测评，在网络参数收敛并取得满意分割精度后，得到分割模型；S5)对于待诊断的病例，采集同部位同样模态的医学图像，然后使用相同的预处理参数进行标准化预处理；S6)使用分割模型自动检测病变区域，然后输出分割结果。