[发明专利]一种基于深度学习的医学图像分割方法及系统有效
| 申请号： | 201910380257.7 | 申请日： | 2019-05-05 |
| 公开（公告）号： | CN110097550B | 公开（公告）日： | 2021-02-02 |
| 发明（设计）人： | 丁熠;吴东元;秦臻;秦志光;杨祺琪;郑伟;张超;谭富元;朱桂钦 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/10;G06N3/04 |
| 代理公司： | 北京高沃律师事务所 11569 | 代理人： | 程华 |
| 地址： | 610054 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的医学图像分割方法及系统。所述分割方法包括：获取历史磁共振成像MRI模态图像；将所述历史磁共振成像MRI模态图像划分为训练集和测试集；在下采样过程中，将训练集内的任一张所述历史磁共振成像MRI模态图像中的两层相邻的不同分辨率的特征层输入到多层次特征重提取和聚合的神经网络模型中，确定分割后的MRI模态图像；两层相邻的不同分辨率的特征层包括低分辨率的特征层和高分辨率的特征层；两层相邻的不同分辨率的特征层依次经过残差卷积单元、分辨率融合单元以及聚合单元，确定分割后的MRI模态图像。采用本发明所提供的分割方法及系统能够提高图像分割准确率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 医学 图像 分割 方法 系统 | ||
【主权项】：
1.一种基于深度学习的医学图像分割方法，其特征在于，包括：获取历史磁共振成像MRI模态图像；所述历史磁共振成像MRI模态图像包括高等级肿瘤病人的MRI模态图像以及低等级肿瘤病人的MRI模态图像；将所述历史磁共振成像MRI模态图像划分为训练集和测试集；在下采样过程中，将所述训练集内的任一张所述历史磁共振成像MRI模态图像中的两层相邻的不同分辨率的特征层输入到多层次特征重提取和聚合的神经网络模型中，确定分割后的MRI模态图像；两层相邻的不同分辨率的特征层包括低分辨率的特征层和高分辨率的特征层；所述多层次特征重提取和聚合的神经网络模型为二输入、一输出的神经网络模型；所述多层次特征重提取和聚合的神经网络模型包括残差卷积单元、分辨率融合单元以及聚合单元；所述两层相邻的不同分辨率的特征层依次经过所述残差卷积单元、所述分辨率融合单元以及所述聚合单元，确定分割后的MRI模态图像。
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电子科技大学，未经电子科技大学许可，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/201910380257.7/，转载请声明来源钻瓜专利网。
