[发明专利]一种基于深度学习的三维图像分割方法

权利要求书

1.一种基于深度学习的三维图像分割方法，其特征在于，包括以下步骤：

S1、对三维核磁共振图像进行预处理，将图像分为训练集和测试集；

S2、将训练集中的训练图像分为深度方向二维图像、高度方向二维图像和宽度方向二维图像，在深度方向二维图像、高度方向二维图像和宽度方向二维图像上选取固定尺寸的块图像；

S3、通过U型卷积神经网络对训练图像的块图像进行训练，通过迭代学习得到深度方向、高度方向和宽度方向的分割模型；

S4、将测试集中的测试图像分为深度方向二维图像、高度方向二维图像和宽度方向二维图像；

S5、将测试图像的深度方向二维图像、高度方向二维图像和宽度方向二维图像分别输入深度方向分割模型、高度方向分割模型和得到宽度方向分割模型，分别得到深度训练结果、高度训练结果和宽度训练结果；

S6、将深度训练结果、高度训练结果和宽度训练结果进行堆叠还原成三维预测概率特征图；

S7、对预测概率特征图进行平滑处理，得到三维分割图像。

2.根据权利要求1所述的基于深度学习的三维图像分割方法，其特征在于，所述步骤S1的具体步骤为：

S11、将三维核磁共振图像转换成矩阵，并对矩阵做归一化处理得到归一化后的数据；

S12、将归一化后的数据分为训练集和测试集，并对训练集中的训练数据通过图像变换增强数据。

3.根据权利要求2所述的基于深度学习的三维图像分割方法，其特征在于，所述步骤S12中的图像变换包括：尺度变换、旋转变换、翻转变换和噪声添加变换。

4.根据权利要求1所述的基于深度学习的三维图像分割方法，其特征在于，所述步骤S6的具体步骤为：将深度训练结果、高度训练结果和宽度训练结果在同一坐标维度下对基于体素的每个点的概率值求平均值，得到三维概率预测特征图。