[發明專利]一種基于深度學習的三維圖像分割方法在審
| 申請號： | 201811331634.X | 申請日： | 2018-11-09 |
| 公開（公告）號： | CN109523560A | 公開（公告）日： | 2019-03-26 |
| 發明（設計）人： | 于曦;何煜;劉昶;胡科;朱泓超;楊孟輯;曹峽 | 申請（專利權）人： | 成都大學 |
| 主分類號： | G06T7/11 | 分類號： | G06T7/11 |
| 代理公司： | 成都正華專利代理事務所(普通合伙) 51229 | 代理人： | 陳選中 |
| 地址： | 610106 *** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 二維圖像 三維圖像 空間域信息 分割結果 空間信息 模型訓練 信息缺失 空間域 自適應 分割 融合 收斂 消耗 學習 預測 保留 | ||
1.一種基于深度學習的三維圖像分割方法，其特征在于，包括以下步驟：
S1、對三維核磁共振圖像進行預處理，將圖像分為訓練集和測試集；
S2、將訓練集中的訓練圖像分為深度方向二維圖像、高度方向二維圖像和寬度方向二維圖像，在深度方向二維圖像、高度方向二維圖像和寬度方向二維圖像上選取固定尺寸的塊圖像；
S3、通過U型卷積神經網絡對訓練圖像的塊圖像進行訓練，通過迭代學習得到深度方向、高度方向和寬度方向的分割模型；
S4、將測試集中的測試圖像分為深度方向二維圖像、高度方向二維圖像和寬度方向二維圖像；
S5、將測試圖像的深度方向二維圖像、高度方向二維圖像和寬度方向二維圖像分別輸入深度方向分割模型、高度方向分割模型和得到寬度方向分割模型，分別得到深度訓練結果、高度訓練結果和寬度訓練結果；
S6、將深度訓練結果、高度訓練結果和寬度訓練結果進行堆疊還原成三維預測概率特征圖；
S7、對預測概率特征圖進行平滑處理，得到三維分割圖像。
2.根據權利要求1所述的基于深度學習的三維圖像分割方法，其特征在于，所述步驟S1的具體步驟為：
S11、將三維核磁共振圖像轉換成矩陣，并對矩陣做歸一化處理得到歸一化后的數據；
S12、將歸一化后的數據分為訓練集和測試集，并對訓練集中的訓練數據通過圖像變換增強數據。
3.根據權利要求2所述的基于深度學習的三維圖像分割方法，其特征在于，所述步驟S12中的圖像變換包括：尺度變換、旋轉變換、翻轉變換和噪聲添加變換。
4.根據權利要求1所述的基于深度學習的三維圖像分割方法，其特征在于，所述步驟S6的具體步驟為：將深度訓練結果、高度訓練結果和寬度訓練結果在同一坐標維度下對基于體素的每個點的概率值求平均值，得到三維概率預測特征圖。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于成都大學，未經成都大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811331634.X/1.html，轉載請聲明來源鉆瓜專利網。
