[发明专利]一种基于卷积神经网络的肝脏病灶分割方法

权利要求书

1.一种基于卷积神经网络的肝脏病灶分割方法，其特征在于，包括以下步骤：

S1、采集数据集，对数据集进行清洗及预处理过程；

S2、引入残差模块，利用残差模块内的残差单元简化反向传输过程及降低数据集的计算复杂度；

S3、设计编码器，利用编码器对数据集内的图像进行下采样和特征提取操作；

S4、设计解码器，利用解码器对数据集内的图像进行上采样操作；

S5、嵌入CoordConv层对数据集的图像坐标进行转换；

S6、设计损失函数合成卷积神经网络；

S7、利用卷积神经网络训练预处理后的肝脏数据集。

2.根据权利要求1所述的一种基于卷积神经网络的肝脏病灶分割方法，其特征在于，所述步骤S1的具体实施方式为：从肝脏数字影像数据源中挑选出所有像素尺寸范围从540*576变化到4499*6748变化的图像数据，并整理为一个数据集，接着对数据集进行清洗及预处理过程，并在清洗及预处理过程中对数据集进行在线增强操作，所述在线增强操作包括水平翻转、垂直翻转、旋转及剪切，使数据集内的图像像素尺寸缩小为256*256大小。

3.根据权利要求1所述的一种基于卷积神经网络的肝脏病灶分割方法，其特征在于，所述步骤S2的具体实施方式为：利用残差网络ResNet引入残差网络ResNet内的残差模块，并利用残差模块内的残差单元来缓解梯度消失，借助于残差单元的跳跃连接通路简化反向传输过程及降低数据集的计算复杂度，最终将梯度转移至初始层或网络层。

4.根据权利要求1所述的一种基于卷积神经网络的肝脏病灶分割方法，其特征在于，所述步骤S3中的下采样操作模块包含一个卷积层两个残差单元。

5.根据权利要求1所述的一种基于卷积神经网络的肝脏病灶分割方法，其特征在于，所述步骤S4中的上采样操作模块包含反卷积层。

6.根据权利要求1所述的一种基于卷积神经网络的肝脏病灶分割方法，其特征在于，所述步骤S5中的CoordConv层具备平移不变性。

7.根据权利要求1所述的一种基于卷积神经网络的肝脏病灶分割方法，其特征在于，所述步骤S6中的损失函数的两类损失包括交叉熵损失以及dice损失。

8.根据权利要求1所述的一种基于卷积神经网络的肝脏病灶分割方法，其特征在于，所述步骤S7中的训练步骤为：利用Adam算法训练卷积神经网络，并将学习率的初始值设置为0.002，然后每五个epoch便减少5％的学习率，batch的大小设置为6。