[发明专利]一种基于加权全卷积神经网络的肺实质CT图像分割方法在审

专利信息
申请号: 202010550923.X 申请日: 2020-06-16
公开(公告)号: CN111882560A 公开(公告)日: 2020-11-03
发明(设计)人: 林岚;吴玉超;吴水才 申请(专利权)人: 北京工业大学
主分类号: G06T7/11 分类号: G06T7/11;G06T7/136;G06T7/155;G06N3/04;G06N3/08
代理公司: 北京思海天达知识产权代理有限公司 11203 代理人: 刘萍
地址: 100124 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 加权 卷积 神经网络 实质 ct 图像 分割 方法
【权利要求书】:

1.一种基于加权全卷积神经网络的肺实质CT图像分割方法,包括以下步骤:

步骤1:选取目标图像数据进行预处理,添加待加权的语义标注类别;

步骤2:基于标准全卷积神经网络网络框架进行设计,以编码-解码的标准路径结构同时包含跳跃连接、膨胀卷积和批归一化的原理,建立语义分割卷积神经网络的整体结构框架;

步骤3:采用加权损失函数层;

步骤4:训练和测试数据集划分;

步骤5:离线模型训练,获得模型权重参数;

步骤6:将测试集图像输入网络模型,通过网络逐层前馈由输出层输出分割结果。

2.根据权利要求1所述的一种基于加权全卷积神经网络的肺实质CT图像分割方法,其特征在于,所述步骤1中,对目标数据中特定的具有重要意义的区域进行提取,将提取出的区域作为一类新语义类别与原标签图像进行融合,增加标签图像中的像素语义分类数。

3.根据权利要求1所述的一种基于加权全卷积神经网络的肺实质CT图像分割方法,其特征在于,所述步骤2中,基于基础结构的全卷积神经网络框架设计改进的网络结构,以编码-解码的标准路径结构同时包含跳跃连接、膨胀卷积和批归一化的原理,设计出卷积神经网络的整体结构框架,包括标准编码-解码结构、跳跃连接结构、批归一化结构和膨胀卷积结构。

4.根据权利要求1所述的一种基于加权全卷积神经网络的肺实质CT图像分割方法,其特征在于,所述步骤3中,在交叉熵损失函数中添加权重因子和加权类别号两个参数,损失函数表示为L(xi)=-∑k-1yk-1log fk-1(xi)-λyklog fk(xi),其中参数k为加权类别号,λ为权重因子,yk和yk-1是像素实际标签,fk(xi)和fk-1(xi)是Softmax函数计算出的像素分类概率;设置对k=4的肺实质边界像素语义类乘以λ=10的加权因子。

5.根据权利要求1所述的一种基于加权全卷积神经网络的肺实质CT图像分割方法,其特征在于,所述步骤4中,对经过预处理的目标数据按照4:1的数量比例进行随机划分,其中80%数据作为训练集,20%数据作为测试集。

6.根据权利要求1所述的一种基于加权全卷积神经网络的肺实质CT图像分割方法,其特征在于,所述步骤5中,将训练集与测试集数据送入网络,设置基础学习率为1e-10,使用固定学习率不变的模型学习策略,设置模型迭代10万以上,完成一个epoch后保存网络模型参数。

7.根据权利要求1所述的一种基于加权全卷积神经网络的肺实质CT图像分割方法,其特征在于,所述步骤6中,使用网络模型对测试集数据进行语义分割,获取多分类分割掩膜图像,掩膜图像中的每一类像素用不同颜色表示,设置阈值为10将多分类掩膜图像进行二值化处理,得到黑白二值化的肺实质掩膜,使用肺实质掩膜与原肺部图像进行逻辑或运算,提取肺实质。

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北京工业大学,未经北京工业大学许可,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/pat/books/202010550923.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code