[发明专利]一种基于Unet和LSTM的3D医学影像识别和分割方法在审
| 申请号： | 201910733487.7 | 申请日： | 2019-08-09 |
| 公开（公告）号： | CN110414481A | 公开（公告）日： | 2019-11-05 |
| 发明（设计）人： | 朱思涵;浦剑 | 申请（专利权）人： | 华东师范大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06T7/11;G16H30/40 |
| 代理公司： | 上海蓝迪专利商标事务所(普通合伙) 31215 | 代理人： | 徐筱梅;张翔 |
| 地址： | 200241 *** | 国省代码： | 上海;31 |
| 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Unet和LSTM的3D医学影像识别和分割方法，包括：医学影像预处理阶段：读取3D格式医学影像，将其按z轴向分解成2D的影像序列，在2D层面对影像数据进行z‑score归一化处理；分割网络训练阶段：使用归一化处理的2D图像序列样本划分训练集进行训练，将U‑net的中间层输出单独取出作为中间变量序列，使用中间变量序列训练LSTM网络；分割网络识别和推断阶段：将样本输入网络获得像素级分割输出，把输出序列合并为3D矩阵获得最终结果。本发明在3D医学影像的识别方面，采用将其分割为2D序列并结合循环网络处理中间变量的方式，降低了计算量，提高了识别工作的效率。 | ||
| 搜索关键词： | 医学影像 分割 中间变量 归一化处理 读取 预处理阶段 输出 矩阵获得 输出序列 图像序列 网络获得 网络识别 网络训练 序列训练 循环网络 样本输入 影像数据 影像序列 最终结果 计算量 像素级 训练集 中间层 推断 样本 取出 分解 合并 网络 | ||
【主权项】：
1.一种基于Unet和LSTM的3D医学影像识别和分割方法，其特征在于，该方法包括以下具体步骤：步骤1：医学影像预处理读取3D格式医学影像数据，将其按z轴向分解成2D的影像序列，对所述影像序列进行归一化处理；步骤2：分割网络训练所述分割网络包括Unet特征提取部分、LSTM网络部分和Unet上采样部分，以2D影像序列作为输入，输出2D分割结果序列，具体如下：将处理后的2D影像序列样本划分训练集和验证集，将训练集样本输入Unet特征提取部分，将Unet的中间层输出即中间变量单独取出组成中间变量序列，使用中间变量序列输入LSTM网络得到重建中间变量序列，使用重建中间变量序列输入Unet上采样部分得到2D分割结果序列，根据2D分割结果序列计算损失函数，使用梯度回传算法更新Unet和LSTM网络的参数；步骤3：分割网络识别和推断将样本输入分割网络获得2D分割结果序列，把2D分割结果序列合并为3D分割结果输出。
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华东师范大学，未经华东师范大学许可，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/201910733487.7/，转载请声明来源钻瓜专利网。
- 上一篇：训练图像产生方法与电子装置
- 下一篇：一种人脸识别定位及指纹识别的方法、装置
