[发明专利]一种基于深度学习的肝脏血管图像分割方法

权利要求书

1.一种基于深度学习的肝脏血管图像分割方法，其特征在于，所述方法包括：

S1、获取原始计算机断层扫描图像，通过人工标记出肝脏血管区域掩膜图像，组成训练集和数据集；

S2、通过所述训练集对第一3D图像分割模型进行训练，得到训练完成的第一3D图像分割模型，其中，所述第一3D图像分割模型包括编码部分和解码部分，所述编码部分用于对输入图像进行特征提取与分析，所述解码部分用于将输入图像所提取出的特征进行还原；

S3、通过所述第一3D图像分割模型获取所述数据集的第一肝脏血管分割图像；

S4、基于所述第一肝脏血管分割图像，通过人工标记分别得到漏分割区域掩膜图像和误分割区域掩膜图像；

S5、对所述原始计算机断层扫描图像、第一肝脏血管分割图像、漏分割区域掩膜图像和误分割区域掩膜图像进行通道融合，得到第一融合图像；

S6、通过所述第一融合图像对第二3D图像分割模型进行训练，得到训练完成的第二3D图像分割模型，其中，所述第二3D图像分割模型包括编码部分和解码部分，所述编码部分用于对输入图像进行特征提取与分析，所述解码部分用于将输入图像所提取出的特征进行还原；

S7、获取待分割肝脏血管分割图像，将所述待分割肝脏血管分割图像输入到所述训练完成的第一3D图像分割模型中得到待分割第一肝脏血管分割图像，通过人工标记出所述待分割第一肝脏血管分割图像的漏分割区域掩膜图像和误分割区域掩膜图像；

S8、对所述待分割肝脏血管分割图像、所述待分割第一肝脏血管分割图像及所述待分割第一肝脏血管分割图像的漏分割区域掩膜图像和误分割区域掩膜图像进行通道融合得到待分割第二肝脏血管分割图像；

S9、将所述待分割第二肝脏血管分割图像输入到所述训练完成的第二3D图像分割模型中，得到肝脏血管图像分割结果。

2.根据权利要求1所述的方法，其特征在于，所述原始计算机断层扫描图像和待分割肝脏血管分割图像的尺寸大小相同。

3.根据权利要求1所述的方法，其特征在于，所述第一3D图像分割模型和所述第二3D图像分割模型的模型结构相同。