[发明专利]基于深度学习的肝脏肿瘤分割方法及装置在审
| 申请号： | 201910229377.7 | 申请日： | 2019-03-25 |
| 公开（公告）号： | CN109934832A | 公开（公告）日： | 2019-06-25 |
| 发明（设计）人： | 宋红;陈磊;杨健;艾丹妮 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06N3/04 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王庆龙;周永君 |
| 地址： | 100081 *** | 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： | 本发明实施例提供一种基于深度学习的肝脏肿瘤分割方法及装置，所述方法包括：获取患者腹部CT/MR影像，将患者腹部CT/MR影像输入至预设的密集连接型全卷积神经网络中，获得肝脏感兴趣区域图像；将肝脏感兴趣区域图像输入至预设的深度卷积生成对抗网络的生成器中，获得肿瘤分割结果。本发明实施例通过采用密集连接型全卷积神经网络和深度卷积生成对抗网络，提高了肝脏肿瘤分割的鲁棒性、分割准确率，并将在二维平面提取到的特征和三维空间提取到的结构特征相融合，使得肿瘤分割精度更高。 | ||
| 搜索关键词： | 肝脏肿瘤 感兴趣区域图像 卷积神经网络 分割 患者腹部 肿瘤分割 连接型 卷积 预设 肝脏 三维空间 二维平面 影像输入 鲁棒性 生成器 对抗 准确率 影像 网络 学习 融合 | ||
【主权项】：
1.一种基于深度学习的肝脏肿瘤分割方法，其特征在于，包括：获取患者腹部CT/MR影像，将所述患者腹部CT/MR影像输入至预设的密集连接型全卷积神经网络中，获得肝脏感兴趣区域图像；将所述肝脏感兴趣区域图像输入至预设的深度卷积生成对抗网络的生成器中，获得所述患者腹部CT/MR影像对应的肿瘤分割结果；其中，所述预设的密集连接型全卷积神经网络是根据患者腹部CT/MR影像样本以及与所述患者腹部CT/MR影像样本对应的带有肝脏区域标注的图像样本进行密集连接训练后获得的；其中，所述预设的深度卷积生成对抗网络是根据肝脏感兴趣区域图像样本以及与所述患者腹部CT/MR影像样本对应的带有肿瘤区域标注的图像样本进行对抗训练后获得的。
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理工大学，未经北京理工大学许可，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/201910229377.7/，转载请声明来源钻瓜专利网。
