[发明专利]一种基于深度学习的腹部体影像肝脏分割方法及装置

权利要求书

1.一种基于深度学习的腹部体影像肝脏分割方法，其特征在于，包括以下步骤：

对输入的多个腹部体影像进行预处理；

对预处理后的腹部体影像进行滑动窗口取样获取拼接体数据；

将每个拼接体数据送入训练好的肝脏分割卷积神经网络得到对应的分割结果；

将所有获得的拼接体数据的分割结果拼接成一个完整的腹部体影像数据。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在完整的腹部体影像数据中提取最大连通区域，去除无关结果后分割出肝脏区域。

3.根据权利要求1所述的方法，其特征在于，所述肝脏分割卷积神经网络的训练步骤包括：

对输入的多个腹部体影像进行灰度阈值截断；

对经过灰度阈值截断后的腹部体影像数据进行spacing归一化；

对进行spacing归一化后的腹部体影像滑动取样获得多个网络训练样本；

构建基于深度学习的肝脏分割卷积神经网络并使用多个网络训练样本对肝脏分割卷积神经网络进行训练。

4.根据权利要求3所述的方法，其特征在于，所述对输入的多个腹部体影像进行灰度阈值截断包括：

选取两个阈值，分别为第一阈值与第二阈值，第一阈值大于第二阈值，对输入的多个腹部体影像进行灰度阈值截断，将高于第一阈值和低于第二阈值的非肝脏区域排除出去。

5.根据权利要求3所述的方法，其特征在于，构建基于深度学习的肝脏分割卷积神经网络并将多个网络训练样本使用随机梯度下降优化算法对肝脏分割卷积神经网络进行训练。

6.根据权利要求1所述的方法，其特征在于，所述对输入的多个腹部体影像进行预处理包括：

对输入的多个腹部体影像进行灰度阈值截断；

对经过灰度阈值截断后的腹部体影像数据进行spacing归一化。

7.根据权利要求6所述的方法，其特征在于，所述对输入的多个腹部体影像进行灰度阈值截断包括：

选取两个阈值，分别为第一阈值与第二阈值，第一阈值大于第二阈值，对输入的多个腹部体影像进行灰度阈值截断，将高于第一阈值和低于第二阈值的非肝脏区域排除出去。

8.根据权利要求1所述的方法，其特征在于，所述腹部体影像包括CT或MR腹部体影像。

9.一种基于深度学习的腹部体影像肝脏分割装置，其特征在于，包括：

预处理单元，用于对输入的多个腹部体影像进行预处理；

窗口滑动单元，用于对预处理后的腹部体影像进行滑动窗口取样获取拼接体数据；

训练分割单元，用于将每个拼接体数据送入训练好的肝脏分割卷积神经网络得到对应的分割结果；

分割结果拼接单元，用于将所有获得的拼接体数据的分割结果拼接成一个完整的腹部体影像数据。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

连通区域提取单元，用于在完整的腹部体影像数据中提取最大连通区域，去除无关结果后分割出肝脏区域。