[发明专利]基于Mask-RCNN神经网络的肺结节分割装置的建立方法

摘要

本发明公开了一种基于Mask‑RCNN神经网络的肺结节分割装置的建立方法，包括：建立训练样本：对采集的三维肺部CT图像依次进行裁剪、数据增强以及难分负样本挖掘处理，获得训练样本集；建立肺结节分割网络：网络包括依次连接的输入层、第一最大池化层、64*64*64卷积层、第二最大池化层、32*32*32稠密块层、第三最大池化层、16*16*16稠密块层，16*16*16稠密块层输出的特征图经过上采样与32*32*32稠密块层输出的特征图进行特征融合，特征融合后的特征图经POL池化层后，输入到RPN网络；训练肺结节分割网络：利用训练样本对肺结节分割网络进行训练，获得肺结节分割装置。

主权项

1.一种基于Mask‑RCNN神经网络的肺结节分割装置的建立方法，其特征在于，所述建立方法包括：建立训练样本：首先，将采集的三维肺部CT图像裁剪成大量的立方体小块，然后，采用数据增强方法处理立方体小块，最后，采用难分负样本挖掘方法对增强处理后的立方体小块进行处理，获得最难区分的2n个负样本和n个正样本组成训练样本集；建立肺结节分割网络：所述肺结节分割网络包括依次连接的输入层、第一最大池化层、64*64*64卷积层、第二最大池化层、32*32*32稠密块层、第三最大池化层、16*16*16稠密块层，16*16*16稠密块层输出的16*16*16特征图经过上采样与32*32*32稠密块层输出的32*32*32特征图进行特征融合，特征融合后的32*32*32特征图经POL池化层后，输入到RPN网络，实现对32*32*32特征图的肺结节预测和分割；训练肺结节分割网络：以2倍采样频率对训练样本集中的肺结节大于30mm的小块进行采样，以6倍采样频率对训练样集本中的肺结节大于40mm的小块进行采样，其他尺寸的肺结节以正常采样频率采样，将采样后的训练样本输入到肺结节分割网络，以肺结节分割网络的预测输出与真实输出的误差收敛为目标，对肺结节分割网络进行训练，获得肺结节分割装置。