[发明专利]基于迁移卷积神经网络的磁共振图像中静脉血管分割方法

摘要

本发明公开了一种基于迁移卷积神经网络的磁共振图像中静脉血管分割方法，主要解决现有技术中静脉血管分割不精确以及泛化能力较差的问题。其实现过程是：从一个病例的图像库中取70％的图像作为训练图像，30％作为测试图像；构建成对卷积神经网络，并使用训练图像对该网络进行训练；用训练好的网络对测试图像进行粗分割，得到粗分割图像；将粗分割图像作为DRLSE模型的初始轮廓图像；初始轮廓图像进行演化，得到静脉血管的分割结果图像；针对不同病例，将已训练好的网络的参数迁移到该病例的网络中，用于完成不同病例的静脉血管分割。本发明能有效地将核磁共振图像中的静脉血管分割出来，提高了泛化能力，可用于对核磁共振医学图像的静脉血管识别。

主权项

1.一种基于迁移卷积神经网络的磁共振图像中静脉血管分割方法，包括：1)从一个病例的磁共振图像库中取百分之七十的图像作为训练图像，百分之三十作为测试图像；2)构建出成对的卷积神经网络：设计两个作用不同的卷积神经网络，其中第一个卷积神经网络1用于定位出静脉血管的位置，第二个卷积神经网络2用于对定位出的静脉血管区域做粗分割；将网络1和网络2进行层间的串联连接，构建出成对的卷积神经网络；3)对成对的卷积神经网络进行：将训练图像中属于目标的大小为25×25的图像小块作为第一卷积神经网络1的正类样本，不属于目标的大小为25×25图像小块作为第一卷积神经网络1的负类样本，用正类样本和负类样本对第一卷积神经网络网络1进行训练；将训练图像中属于目标的大小为5×5的图像小块作为第二卷积神经网络2的正类样本，将不属于目标的大小为5×5图像小块作第二卷积神经网络网络2的负类样本，用正类样本和负类样本对第二卷积神经网络网络2进行训练，最终得到训练好的成对卷积神经网络；4)在测试图像上进行滑窗，将得到的每一个图像小块输入到训练好的成对卷积神经网络中，判断是否属于正类样本，得到的二值图作为粗分割图像；5)采用形态学方法对步骤4)得到的粗分割图像进行闭运算处理，并将运算处理后的结果作为基于距离正则水平集模型的初始轮廓图像；6)对初始轮廓图像进行距离正则下的演化，得到最终静脉血管的分割结果；7)针对不同的病例，采用参数迁移学习的方法，将已训练好的成对卷积神经网络的参数迁移到该病例的成对卷积神经网络中，取三张该病例中有标记的图像作为训练图像，构造出正类样本和负类样本，对迁移后的成对卷积神经网络进行微调，得到该病例的成对卷积神经网络，执行步骤4)至步骤6)，完成对不同病例的静脉血管分割处理。