[发明专利]一种基于深度学习的三维图像分割方法

摘要

本发明公开了一种基于深度学习的三维图像分割方法。本发明结合了二维图像训练和三维图像的空间域信息，保留二维图像训练快的特点，提高了二维图像训练出的模型的性能，通过融合自适应三个不同方向的基于二维图像的分割结果，来进行预测，本发明能够很好的提高了模型的精度。通过结合三个不同方向的融合，运用到三维图像的空间信息，解决了直接使用二维图像进行模型训练在空间域上的信息缺失，从而提高模型性能。本发明较三维图像直接参与训练，模型收敛速度显著提高，明显地降低了训练的计算消耗。

主权项

1.一种基于深度学习的三维图像分割方法，其特征在于，包括以下步骤：S1、对三维核磁共振图像进行预处理，将图像分为训练集和测试集；S2、将训练集中的训练图像分为深度方向二维图像、高度方向二维图像和宽度方向二维图像，在深度方向二维图像、高度方向二维图像和宽度方向二维图像上选取固定尺寸的块图像；S3、通过U型卷积神经网络对训练图像的块图像进行训练，通过迭代学习得到深度方向、高度方向和宽度方向的分割模型；S4、将测试集中的测试图像分为深度方向二维图像、高度方向二维图像和宽度方向二维图像；S5、将测试图像的深度方向二维图像、高度方向二维图像和宽度方向二维图像分别输入深度方向分割模型、高度方向分割模型和得到宽度方向分割模型，分别得到深度训练结果、高度训练结果和宽度训练结果；S6、将深度训练结果、高度训练结果和宽度训练结果进行堆叠还原成三维预测概率特征图；S7、对预测概率特征图进行平滑处理，得到三维分割图像。