[发明专利]一种基于分块深度学习的医学图像处理系统及其方法

摘要

本发明公开了一种基于分块深度学习的医学图像处理系统及其方法，具体涉及图像处理领域，包括预处理模块、分类模块、聚类模块和分割模块，所述预处理模块包括了对原始MRI三维图像的裁剪和全局归一化等标准操作，其中裁剪负责将医学图像的边缘空白区域去除。本发明通过试探性方法将图像合理地切分成较小尺寸的切块、通过分别对小切块进行分析识别处理、最后汇总完成整体处理任务的方案，保持足够高的识别效果的前提下，可以节省超过一半的分析处理时间，最终深度网络的规模也显著下降，可以在成本较低的深度学习环境下部署实施，实现以高效率低成本的绿色计算，支持智慧医疗。

主权项

1.一种基于分块深度学习的医学图像处理系统，包括预处理模块、分类模块、聚类模块和分割模块，其特征在于：所述预处理模块输出端设有分类模块，所述分类模块输出端设有聚类模块，所述聚类模块输出端设有分割模块；所述预处理模块包括了对原始MRI三维图像的裁剪和全局归一化等标准操作，其中裁剪负责将医学图像的边缘空白区域去除，使后续处理可以集中处理需要关注的区域，切块负责对预处理后的MRI三维图像进行切块的操作；所述分类模块设置为一个带残差连接的全卷积神经网络，用于分别判断小切块有无胶质瘤，小切块经过分类模块后若被识别为无瘤将不再关注和处理；所述聚类模块对分类后得到的所有的有瘤切块将进行聚类，主要使用ResNet50神经网络和T‑SNE降维算法和Kmeans聚类算法；所述分割模块设置为一个级联多视图融合的全卷积神经网络，用于对聚类后每个簇的有瘤切块进行分割胶质瘤的操作，分割的结果汇总得到大脑胶质瘤切割结果。