[发明专利]基于编码解码结构结合残差模块的医学图像分割方法

权利要求书

1.基于编码解码结构结合残差模块的医学图像分割方法，其特征在于，包括以下步骤：

S1.获取医学图像数据集作为训练集；

S2.构建基于编码解码结构结合残差模块的卷积神经网络并利用所述训练集进行训练；

S3.获取待分割的医学图像，并通过训练完毕的基于编码解码结构结合残差模块的卷积神经网络对其进行分割，得到分割结果。

2.根据权利要求1所述的医学图像分割方法，其特征在于，步骤S2中利用所述训练集进行训练前还包括基于所述训练集进行预处理：

对所述训练集中的医学图像进行归一化处理为一致的图像大小；

对归一化处理后的医学图像进行数据增强处理；

利用数据增强处理后的医学图像对所述卷积神经网络进行预训练从而初始化所述卷积神经网络的权重参数。

3.根据权利要求2所述的医学图像分割方法，其特征在于，所述数据增强处理具体为对所述训练集中归一化处理后的医学图像沿随机轴镜像翻转。

4.根据权利要求1所述的医学图像分割方法，其特征在于，步骤S2所述的基于编码解码结构结合残差模块的卷积神经网络中采用编码解码结构，包括具有N层神经网络的编码器网络和具有N层神经网络的解码器网络，所述编码器网络的神经网络与解码器网络的神经网络依次连接；每层编码器网络或解码器网络中的神经网络中包括两层卷积，其中第二层卷积替换为一个残差模块。

5.根据权利要求4所述的医学图像分割方法，其特征在于，所述残差模块中包括跳跃连接结构，所述跳跃连接结构用于实现残差模块中输入层经过两层卷积后再和输出层的特征映射过程。

6.根据权利要求1所述的医学图像分割方法，其特征在于，所述步骤S3获取待分割的医学图像后，还包括对待分割的医学图像进行归一化处理为一致的图像大小。

7.根据权利要求1所述的医学图像分割方法，其特征在于，所述医学图像分割方法还包括以下步骤：采用全连接条件随机场对所述分割结果进行优化，得到最终的医学图像分割结果。

8.根据权利要求7所述的医学图像分割方法，其特征在于，所述采用全连接条件随机场对所述分割结果进行优化具体为：

使用全连接条件随机场建立所述分割结果中任意两像素点概率之间的相互关系的模型：

其中x为像素点的预测值；该像素点所在的相关吉布斯能量值E(x|I)用公式表示：

其中表示训练后卷积神经网络的输出值，表示将像素点i与像素点j各自设置为标签x_i和x_j的平滑度；

采用平均场近似推理算法求解得到所述模型的最优解，得到最终的医学图像分割结果。