[发明专利]使用深区域生长来分割图像中的不规则形状

权利要求书

1.一种用于识别医学图像中的感兴趣对象的方法，所述方法包括：

初始化空间点阵的节点的内部状态，其中每个节点对应于所述医学图像的像素并且连接到表示所述医学图像的相邻像素的至少一个节点；

使用神经网络使用空间门控传播来迭代地更新所述空间点阵中的所述节点的所述内部状态，其中在每次迭代中，每个节点基于从由以下各项组成的组中选择的至少一项来更新其内部状态：来自先前迭代的节点的值，来自所述先前迭代的相邻节点的值和节点的新值；以及

基于所述空间点阵的收敛处的所述节点的所述值来识别所述医学图像内的所述感兴趣对象。

2.根据权利要求1所述的方法，其中使用神经网络迭代地更新所述节点的所述内部状态包括更新与所述节点的所述内部状态相关联的值的向量中的值。

3.根据权利要求2所述的方法，其中所述值的向量中的值包括表示对应于所述节点的像素的所述亮度的值和表示所述节点的所述内部状态的值。

4.根据权利要求1所述的方法，其中针对每个迭代执行涉及所述节点的先前内部状态的卷积。

5.根据权利要求1所述的方法，其中所述方法进一步包括：在第一迭代中，对表示每个像素的亮度的每个值执行卷积。

6.根据权利要求1所述的方法，其中基于所述空间点阵的收敛处的所述节点的所述值来识别所述医学图像内的感兴趣对象包括：使用所述神经网络的最后一层基于包括在与每个像素相关联的值的向量中的值来计算每个像素包括在所述感兴趣对象中的概率；以及

对于每个像素，确定所计算的概率是否高于预定阈值。

7.根据权利要求1所述的方法，其中每个节点使用挤压函数基于从由以下各项组成的组中选择的至少一项来更新其内部状态：来自先前迭代的所述节点的值、来自所述先前迭代的相邻节点的值以及所述节点的新值。

8.根据权利要求1所述的方法，其中所述相邻节点是从由表示在由所述节点表示的像素的正上方、正下方、右侧和左侧的像素的节点组成的组中选择的一个。

9.根据权利要求1所述的方法，所述方法进一步包括：生成具有多个层次的图像金字塔，其中每个连续层次以更少的值表示所述医学图像。

10.根据权利要求9所述的方法，该方法进一步包括在每次迭代中级联来自所述图像金字塔的多个层的值。

11.一种用于确定图像中的感兴趣区域的系统，所述系统包括：

存储器；以及

电子处理器，连接到存储器并配置为：

初始化空间点阵的节点的内部状态，其中每个节点对应于所述图像的像素并且连接到表示所述图像的相邻像素的至少一个节点，

使用神经网络使用空间门控传播来迭代地更新所述空间点阵中的每个节点的所述内部状态；以及

基于所述空间点阵的收敛处的所述节点的所述内部状态来识别所述图像内的所述感兴趣区域。

12.根据权利要求11所述的系统，其中所述电子处理器被配置为通过在每次迭代基于从由来自先前迭代的所述节点的值、来自所述先前迭代的相邻节点的值或所述节点的新值组成的组中选择的至少一个更新所述内部状态，来更新所述节点的所述内部状态。

13.根据权利要求11所述的系统，其中所述电子处理器被配置为用于使用神经网络通过更新与所述节点的所述内部状态相关联的值的向量中的值来迭代地更新所述节点的所述内部状态。

14.根据权利要求13所述的系统，其中所述值的向量中的值包括表示对应于所述节点的像素的所述亮度的值和表示所述节点的所述内部状态的值。