[发明专利]基于卷积神经网络的脑肿瘤图像自动分割方法

权利要求书

1.基于卷积神经网络的脑肿瘤图像自动分割方法，包括脑肿瘤的多模态MRI图像，其特征在于：还包括如下步骤：

步骤1、采集脑肿瘤的多模态MRI图像并进行图像预处理，获得原始图像集；

步骤2、构建基于多模态MRI图像的脑肿瘤分割的框架；所述框架包括模块一与模块二，模块一包括以3d卷积神经网络、残差单元以及转置卷积为基础构成并行的深度反卷积神经网络，用于输出脑肿瘤分割图像轮廓图；模块二包括在所述模块一中的深度反卷积神经网络结构基础上添加跳跃结构，用于输出脑肿瘤图像的病变区域分割图；

步骤3、将步骤1所述的原始图像集输入所述步骤2中框架的模块一中，再分选出理想集作为所述步骤2中模块二的训练样本，通过若干次迭代训练，获得理想权值，并输出脑肿瘤图像的分割图；

步骤4、测试与评价图像分割结果。

2.根据权利要求1所述的基于卷积神经网络的脑肿瘤图像自动分割方法，其特征在于：所述步骤1，所述多模态MRI图像为四种模态影像Flair、T1、T2、T1C，对Flair、T2两个模态的图像通过N4ITK进行偏场矫正，对T1C、T1两个模态的图像进行对比度调整。

3.根据权利要求1所述的基于卷积神经网络的脑肿瘤图像自动分割方法，其特征在于：所述步骤2中的深度反卷积 神经网络的构建，包含编码网络以及解码网络，在编码网络中，设置4个3d卷积模块，每个模块都包含一个残差单元；在解码网络中，设置3个3d反卷积模块。

4.根据权利要求3所述的基于卷积神经网络的脑肿瘤图像自动分割方法，其特征在于：在所述编码网络以及所述解码网络之间设立连接，并将编码网络以及解码网络各自产生的特征图做像素级的加法运算。

5.根据权利要求1所述的基于卷积神经网络的脑肿瘤图像自动分割方法，其特征在于：所述步骤3，分选理想集的方法为通过加权交叉熵损失函数衡量样本的不确定性以及相似度，选择表征性数据降序排列前若干项的样本，作为训练样本输入所述模块二的深度反卷积神经网络中。

6.根据权利要求1或5所述的基于卷积神经网络的脑肿瘤图像自动分割方法，其特征在于：所述模块二中的深度反卷积神经网络，其跳跃结构采用如下损失函数：

其中p是通过所构建的反卷积神经网络得到的预测值，g是标注图像的真实标签，利用基于d系数的loss函数训练整个神经网络。