发明名称 |
一种基于CT图像的肝脏肿瘤分割方法及装置 |
摘要 |
本发明提供了基于CT图像的肝脏肿瘤分割方法及装置。方法包括:对肝脏的CT图像数据进行高斯除噪,将其转化为灰度均值为0,方差为1的标准化数据并进行下采样操作;从肝脏的CT图像的金标准图像中提取病变切片和正常组织切片,将其划分为正样本和负样本;构建多层次的深度卷积神经网络,通过随机梯度下降法训练模型,得到网络模型,通过分类器获得肿瘤的粗分割二值图像及像素分类的概率图像;对肿瘤的粗分割二值图像进行形态学腐蚀操作,获得图割所需要的前景图像,再将肝脏的二值图像与肿瘤的粗分割二值图像作相减操作并进行形态学腐蚀操作,得到对应于肝脏正常组织的背景图像;构建无向图,使用图割优化算法得到肿瘤的最终分割区域。 |
申请公布号 |
CN105574859A |
申请公布日期 |
2016.05.11 |
申请号 |
CN201510925624.9 |
申请日期 |
2015.12.14 |
申请人 |
中国科学院深圳先进技术研究院;南方医科大学珠江医院 |
发明人 |
贾富仓;李雯;贺宝春;胡庆茂;方驰华;范应方 |
分类号 |
G06T7/00(2006.01)I |
主分类号 |
G06T7/00(2006.01)I |
代理机构 |
北京三友知识产权代理有限公司 11127 |
代理人 |
汤在彦 |
主权项 |
一种基于CT图像的肝脏肿瘤分割方法,其特征在于,所述方法包括:步骤1,对肝脏的CT图像数据进行高斯除噪,将其转化为灰度均值为0,方差为1的标准化数据并进行下采样操作;步骤2,从所述肝脏的CT图像的金标准图像中提取病变切片和正常组织切片,根据切片中心像素点的标签分别将其划分为正样本和负样本,并采用随机采样的方法使得正负样本数量相等;步骤3,构建多层次的深度卷积神经网络,通过随机梯度下降法训练模型,有监督的自动学习肿瘤特征和肝脏正常组织特征,得到网络模型,通过分类器获得肿瘤的粗分割二值图像及像素分类的概率图像;步骤4,对所述肿瘤的粗分割二值图像进行形态学腐蚀操作,获得图割所需要的前景图像,再将肝脏的二值图像与肿瘤的粗分割二值图像作相减操作并进行形态学腐蚀操作,得到对应于肝脏正常组织的背景图像;步骤5,根据所述前景图像和背景图像构建无向图,使用图割优化算法得到肿瘤的最终分割区域。 |
地址 |
518055 广东省深圳市南山区西丽大学城学苑大道1068号 |