[发明专利]一种用于多标签分割医学图像中的解剖结构的管线方法

权利要求书

1.一种用于多标签分割医学图像中的解剖结构的管线方法，其包括以下步骤：

——在训练数据的集合上训练卷积神经网络，以便获得最佳固定权重的集合，

——通过使用具有所述最佳固定权重的所述神经网络来分割所述医学图像中的解剖结构，其中

——在训练所述卷积神经网络期间，应用加权损失函数，所述加权损失函数考虑到真值掩膜中的至少一个解剖结构相对于其他解剖结构表现不足，

其中所述卷积神经网络的架构是经修改的U-net架构，其中在卷积层之后提供丢弃层并且由卷积层替换池化层，替换的卷积层具有等于它所替换的池化层的池化大小的过滤器大小。

2.根据权利要求1所述的方法，其中所述加权损失函数是加权像素级交叉熵损失函数，所述固定权重是作为优化所述损失函数的结果而获得的参数。

3.根据权利要求1所述的方法，其中所述损失函数是加权负骰子损失函数，并且所述固定权重是作为优化所述损失函数的结果而获得的参数。

4.根据权利要求1所述的方法，其中所述丢弃层是高斯丢弃层。

5.根据权利要求1所述的方法，其中所述卷积神经网络的架构仅由卷积、上采样和丢弃层组成。

6.一种用于多标签分割医学图像中的解剖结构的管线方法，其包括以下步骤：

——在训练数据的集合上训练卷积神经网络，以便获得最佳固定权重的集合，

——通过使用具有所述最佳固定权重的所述神经网络来分割所述医学图像中的解剖结构，其中

——在训练所述卷积神经网络期间，应用加权损失函数，所述加权损失函数考虑到真值掩膜中的至少一个解剖结构相对于其他解剖结构表现不足，

其中所述卷积神经网络的架构是经修改的U-net架构，其中其包括在卷积层之后提供的丢弃层，并且其中池化层中的第一个的子采样被延迟，并且其中所述网络中的特征映射的数量相对于所述U-net反转。