[发明专利]基于双路径U-net卷积神经网络的PET/CT高代谢淋巴结分割方法有效
| 申请号： | 201811588646.0 | 申请日： | 2018-12-24 |
| 公开（公告）号： | CN109685811B | 公开（公告）日： | 2019-12-13 |
| 发明（设计）人： | 赵梅莘;许力;张卫方;张璐 | 申请（专利权）人： | 北京大学第三医院;浙江大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11 |
| 代理公司： | 11470 北京精金石知识产权代理有限公司 | 代理人： | 张黎 |
| 地址： | 100191 *** | 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： | 本发明涉及医学图像处理领域，旨在提供一种基于双路径U‑net卷积神经网络的PET/CT图像中高代谢淋巴结的分割方法。该分割方法包括下述过程：实验数据的获得与处理；构建双路径U‑net卷积神经网络；训练双路径U‑net卷积神经网络；采用训练好的双路径U‑net卷积神经网络对PET/CT图像中高代谢淋巴结进行分割，得到分割结果。本发明借助于双路径U‑net卷积神经网络，可以很好的将PET/CT图像中的高代谢淋巴结分割出来。 | ||
| 搜索关键词： | 卷积神经网络 双路径 淋巴结 高代谢 分割 图像 医学图像处理 分割结果 实验数据 构建 | ||
【主权项】：
1.一种基于双路径U-net卷积神经网络的PET/CT图像中高代谢淋巴结的分割方法，其特征在于，包括如下步骤：/n步骤1，实验数据的获得与处理；/n所述步骤1的具体过程包括：步骤1.1，同时阅读淋巴瘤患者平扫CT横断连续层面图像和相对应的PET/CT融合横断连续层面图像，应用画图软件，把FDG摄取高于本底的所有淋巴结在CT图像上勾勒出轮廓；/n步骤1.2，随机选取步骤1.1中的部分图像作为训练样本，其余图像作为测试样本，对训练样本进行数据增强处理，扩增训练样本；所述步骤1.2中的每个训练样本包括CT图，PET图和标记图，调整CT图、PET图像和标记图的尺寸，使之保持一致；/n步骤2，构建双路径U-net卷积神经网络；所述步骤2的具体过程为：更改U-net的网络结构，将单路径输入改为双路径输入；/n步骤3，训练双路径U-net卷积神经网络；/n步骤4，采用训练好的双路径U-net卷积神经网络对PET/CT图像中高代谢淋巴结进行分割，得到分割结果；/n所述步骤3中训练双路径U-net卷积神经网络的方式包括训练方法和损失函数，所述训练方法为Adam优化方法，所述损失函数为交叉熵函数，所述交叉熵函数为加权交叉熵函数；/n所述加权交叉熵函数为：/n
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大学第三医院;浙江大学，未经北京大学第三医院;浙江大学许可，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/patent/201811588646.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于深度学习的肝包虫病灶识别方法及系统
- 下一篇：现场环境维护机构
