申请/专利权人：上海应用技术大学

申请日：2020-06-18

公开（公告）日：2024-04-16

公开（公告）号：CN111724397B

主分类号：G06T7/11

分类号：G06T7/11

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.10.27#实质审查的生效;2020.09.29#公开

摘要：本发明公开了一种颅脑CT图像出血区域自动分割方法：S1获取需要进行出血区域自动分割的颅脑CT图像；S2：将颅脑CT图像依次通过预先构建并训练的改进U‑Net卷积神经网络，网络整体结构为三层下采样层三层上采样层，在跳跃连接过程中将下采样获取的特征图分别经复制、卷积、裁剪后，与各自对应的上采样层后的特征图进行拼接，对应的上采样层对拼接后的特征图进行上采样和卷积。改进U‑Net卷积神经网络一共包括七层，保证特征提取的同时减少信息的丢失，节省时间提升整体效率；在跳跃连接步骤中对下采样的特征图增加了卷积操作，可以在不改变模型层数的同时为上采样层提供更多的信息，从而提高后续对颅脑出血CT图像的图像分割。

主权项：1.一种颅脑CT图像出血区域自动分割方法，其特征在于，包括如下步骤：S1：获取需要进行出血区域自动分割的颅脑CT图像；S2：将所述颅脑CT图像输入预先构建的改进U-Net卷积神经网络的模型中，所述改进U-Net卷积神经网络的结构依次为三层下采层和三层上采层，以对出血区域进行自动分割，得到分割结果，其中，所述下采样层与所述上采样层一一对应，三次下采样获取的特征图分别经复制、卷积、裁剪后，与各自对的所述上采样层前一层输出的特征图进行拼接，对应的所述上采样层对拼接后的特征图进行上采样和卷积；所述步骤S1之前还包括步骤S0：S01：构建所述改进U-Net卷积神经网络；S02：收集颅脑CT训练图像，并通过所述颅脑CT训练图像对所述改进U-Net卷积神经网络进行训练；所述步骤S02进一步包括：A1：对所述颅脑CT训练图像进行收集；A2：对收集的所述颅脑CT训练图像进行筛选，获取图像清晰的颅脑CT训练图像；A3：对所述筛选后的颅脑CT训练图像进行预处理，得到颅脑CT标准化数据；A4：将所述颅脑CT标准化数据输入所述改进U-Net卷积神经网络进行训练；在所述步骤A3中，所述对所述筛选后的颅脑CT训练图像进行预处理进一步包括：A31：对所述筛选后的颅脑CT训练图像进行取图像块操作，得到数据量增大的颅脑CT扩增图像；A32：对所述颅脑CT扩增图像进行对比度受限的自适应直方图均衡化，其中，将所述颅脑CT扩增图像归一化映射到[0，1]，得到所述颅脑CT标准化数据；所述步骤S2进一步包括：S21：所述颅脑CT图像依次通过所述改进U-Net卷积神经网络的三次所述下采样，三次所述下采样均包括两次卷积和一次最大池化；S22：对所述步骤S21的最后一次所述下采样输出的特征图进行两次卷积；S23：对三次所述下采样获取的特征图分别经复制、卷积、裁剪后，与各自对应的所述上采样层前一层输出的特征图进行拼接，并且对应的所述上采样层对拼接后的特征图进行一次上采样和两次卷积。

全文数据：

权利要求：

百度查询： 上海应用技术大学 一种颅脑CT图像出血区域自动分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD