[发明专利]基于深度神经网络的GBM多模态磁共振图像分割方法有效
| 申请号： | 201711115689.2 | 申请日： | 2017-11-13 |
| 公开（公告）号： | CN107767378B | 公开（公告）日： | 2020-08-04 |
| 发明（设计）人： | 赖小波;许茂盛;徐小媚;吕莉莉;高卫红;石磊 | 申请（专利权）人： | 浙江中医药大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/12;G06T7/136;G06N3/04;G06N3/08 |
| 代理公司： | 杭州中成专利事务所有限公司 33212 | 代理人： | 金祺 |
| 地址： | 310053 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于深度神经网络的GBM多模态磁共振图像分割方法，包括以下步骤：首先分别对所收集GBM多模态磁共振图像的每个切片图像进行预处理后，将所有切片图像分成训练样本和测试样本，并对训练样本中的切片图像进行标注；其次提取训练样本图像块并标准化均值和方差，扩增数据后形成一个训练数据集；之后构建一个深度神经网络，利用训练数据集训练深度神经网络，得到深度神经网络分割模型；最后预处理待分割切片图像并提取其图像块，并利用深度神经网络分割模型对其体素进行分类和后处理，实现GBM多模态磁共振图像的分割；本发明可满足自动诊断、手术规划和预后预测等对非正常脑组织和周围正常结构的检测和定位精度高的需求。 | ||
| 搜索关键词： | 基于 深度 神经网络 gbm 多模态 磁共振 图像 分割 方法 | ||
【主权项】：
基于深度神经网络的GBM多模态磁共振图像分割方法，其特征在于，所述方法包括以下步骤：S1、收集并切割GBM多模态磁共振图像，获得切片图像；分别对每个切片图像进行预处理后将每种模态的所有切片图像分成训练样本和测试样本；对训练样本中的切片图像进行标注，分为脑部正常组织区、坏死区、水肿区、非增强肿瘤区和增强肿瘤区；上述坏死区、水肿区、非增强肿瘤区和增强肿瘤区共同形成非正常组织区；S2、提取训练样本图像块并标准化均值和方差，扩增数据后形成一个训练数据集；S3、构建一个深度神经网络，利用训练数据集训练深度神经网络，得到深度神经网络分割模型；S4、获取待分割模态图像的待分割切片图像，预处理待分割切片图像并提取其图像块后，利用深度神经网络分割模型对其体素进行分类和后处理，获得正常组织区、坏死区、水肿区、非增强肿瘤区和增强肿瘤区五种不同区域。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江中医药大学，未经浙江中医药大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711115689.2/，转载请声明来源钻瓜专利网。
