[发明专利]一种基于深度学习的肝脏CT图像分割方法有效
| 申请号： | 201910203733.8 | 申请日： | 2019-03-18 |
| 公开（公告）号： | CN109949309B | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 刘荣;王宜主;王斐;王子政;张勇;王翊 | 申请（专利权）人： | 安徽紫薇帝星数字科技有限公司 |
| 主分类号： | G06T7/10 | 分类号： | G06T7/10;G06T5/00;G06N3/08;G06T3/40;G06N3/04 |
| 代理公司： | 合肥英特力知识产权代理事务所(普通合伙) 34189 | 代理人： | 李伟 |
| 地址： | 230000 安徽省合肥市高新区*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的肝脏CT图像分割模型建立方法，包括以下步骤：1.收集腹部CT图像，并对肝脏位置进行标注，生成原始图像序列，然后将原始图像序列分为训练样本和测试样本；2.对训练样本进行预处理，同时去除干扰信息；3.搭建肝脏分割深度学习网络；4.利用搭建完成的学习网络对预处理后的训练样本进行模型训练，得到肝脏分割模型；5.对测试样本进行预处理，并作为输入参数输入到肝脏分割模型，得到初分割图像，然后对每套图像进行连通域处理，连通域处理后的分割结果反馈至原始图像序列中。基于该肝脏CT图像分割模型，可以直接对预处理后的肝脏CT图像进行准确地分割，分割结果准确率高，细节刻画效果好。 | ||
| 搜索关键词： | 一种 基于 深度 学习 肝脏 ct 图像 分割 方法 | ||
【主权项】：
1.一种基于深度学习的肝脏CT图像分割模型建立方法，其特征在于，包括以下步骤，步骤1：收集大量患者的腹部CT图像，并对肝脏位置进行标注，生成原始图像序列，然后将原始图像序列分为训练样本和测试样本；步骤2：对训练样本进行预处理，同时去除干扰信息；步骤3：搭建基于Encoder‑Decoder模型的肝脏分割深度学习网络，其中Encoder阶段利用带残差结构的深度可分离卷积对CT图像进行特征提取，Decoder阶段通过逐步的上采样将特征图恢复到原始图像大小并对图像中每一个像素点进行分类；步骤4：利用搭建完成的学习网络对预处理后的训练样本进行模型训练，得到肝脏分割模型；步骤5：对测试样本进行预处理，并作为输入参数输入到肝脏分割模型，得到初分割图像，然后对每套图像进行连通域处理，连通域处理后的分割结果反馈至原始图像序列中。
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安徽紫薇帝星数字科技有限公司，未经安徽紫薇帝星数字科技有限公司许可，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/201910203733.8/，转载请声明来源钻瓜专利网。
