[发明专利]基于深度学习的肺部组织图像分割方法在审
| 申请号： | 201910521449.5 | 申请日： | 2019-06-17 |
| 公开（公告）号： | CN110310289A | 公开（公告）日： | 2019-10-08 |
| 发明（设计）人： | 倪蓉蓉;孙先亮;赵耀;季红 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T7/00;G06K9/62 |
| 代理公司： | 北京市商泰律师事务所 11255 | 代理人： | 邹芳德 |
| 地址： | 100044 北*** | 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： | 本发明提供了一种基于深度学习的肺部组织图像分割方法，属于医学图像分割技术领域。该方法将X光胸片图像输入到分割模型中，其中，该分割模型使用多组训练数据训练得到，所述多组训练数据中的每一组训练数据均包括：X光胸片图像和对应用来标识肺部组织的金标准；获取所述模型的输出信息，其中，所述输出信息包括所述X光胸片图像中肺部组织的分割结果。本发明通过改进的Deeplabv3+的深度学习方法来实现对X光胸片肺部组织的分割，解决了使用传统方法分割肺部组织时遇到的局部收敛和假阳性分割的问题；在公开数据集和尘肺数据集上分别获得95.3％的MIoU和94.8％的MIoU；解决了FCN网络的假阳性问题，提高了SCAN网络方法中胸膈角处及X光胸片上对肋骨的分割准确率。 | ||
| 搜索关键词： | 肺部组织 胸片 训练数据 分割 分割模型 输出信息 图像分割 假阳性 数据集 图像 医学图像分割 分割结果 局部收敛 图像输入 尘肺 金标准 准确率 角处 肋骨 学习 网络 改进 | ||
【主权项】：
1.一种基于深度学习的肺部组织图像分割方法，其特征在于，包括：将X光胸片图像输入到模型中，其中，所述模型使用多组训练数据训练得到，所述多组训练数据中的每一组训练数据均包括：X光胸片图像和用来标识图像中肺部组织的金标准；获取所述模型的输出信息，其中，所述输出信息包括所述X光胸片图像中肺部组织的分割结果。
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交通大学，未经北京交通大学许可，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/201910521449.5/，转载请声明来源钻瓜专利网。
