[发明专利]一种基于三维卷积神经网络的CT造影图像肾动脉分割方法

摘要

本发明公开了一种基于三维卷积神经网络的CT造影图像肾动脉分割方法，涉及图像处理技术领域，设计了一种应用于CT造影图像肾动脉分割的三维卷积网络结构，利用手工标注获得肾动脉数据集，然后将训练集送入该网络结构进行训练，得到训练模型，利用得到的训练模型对新的肾脏数据进行预测，得到肾动脉分割掩模。本发明能够获得高准确率的输出结果，能够解决肾动脉难分割的问题，通过本发明能够直接得到肾动脉分割掩模。

主权项

1.一种基于三维卷积神经网络的CT造影图像肾动脉分割方法，其特征在于，包括以下步骤：步骤(P1)、对已有的CT造影图像分割出图像中的肾脏区域，对肾动脉进行标注，得到感兴趣区域，生成训练数据集；步骤(P2)、将训练数据集送入三维卷积神经网络中进行训练，得到训练模型；三维卷积神经网络包括五个部分，分别为输入模块、现实情况流、浅层意识流、深层意识流和输出模块；输入模块，用于将原始图像I直接输入至现实情况流和深层意识流，并将输入至现实情况流的原始图像重命名为现实情况流图像RI，输入至深层意识流的原始图像重命名为深层意识流图像DI；现实情况流，用于对RI连续进行池化操作，获得不同尺寸的RI，并将不同尺寸的RI分别输出至浅层意识流；浅层意识流，用于多次提取浅层特征图并将其输出至深层意识流；深层意识流，用于获得多次记忆的深层特征图并将其输出至浅层意识流，并将最后一次获得的深层特征图输入至输出模块；输出模块对其进行卷积操作，并激活，获得肾动脉的分割掩模；步骤(P3)、对于新的待分割的肾脏CT造影图像，送入已训练完毕的步骤(P2)的训练模型得到肾动脉分割掩模。