[发明专利]基于边缘算子改进的ResUnet医学影像分割系统

权利要求书

1.一种基于边缘算子改进的ResUnet医学影像分割系统，其特征在于：

包括：

数据获取模块，被配置为：获取待处理的医学影像数据；

肺段分割模块，被配置为：根据获取的医学影像数据和预设ResUnet网络模型，得到肺段分割结果；

其中，根据预测结果与标注标准数据得到第一损失函数，根据预测结果与边缘算子处理后的标注数据得到第二损失函数，以第一损失函数和第二损失函数的加权和为ResUnet网络模型的损失函数。

2.如权利要求1所述的基于边缘算子改进的ResUnet医学影像分割系统，其特征在于：

第一损失函数和第二损失函数均为交叉熵损失函数。

3.如权利要求1所述的基于边缘算子改进的ResUnet医学影像分割系统，其特征在于：

ResUnet网络模型的损失函数为第一损失函数与第一系数的乘积，再同第二损失函数与第二系数的乘积的加和，第一系数与第二系数的加和为1。

4.如权利要求1所述的基于边缘算子改进的ResUnet医学影像分割系统，其特征在于：

第一系数为可变因子。

5.如权利要求1所述的基于边缘算子改进的ResUnet医学影像分割系统，其特征在于：

ResUnet网络模型的训练时，包括：

对图像的标注数据，按照HU值进行窗值计算，进行归一化处理后得到预设格式的标注数据；使用Canny算子，对预设格式的标注数据进行边缘检测计算，得到CT中斜裂和支气管明显的器官分割边缘特征的标注数据。

6.如权利要求1所述的基于边缘算子改进的ResUnet医学影像分割系统，其特征在于：

ResUnet网络模型，包括：encoder模块、down_conv模块、decoder模块、up_conv模块和map模块，encoder模块包括3个3D卷积和3个PRule激活函数。

7.如权利要求6所述的基于边缘算子改进的ResUnet医学影像分割系统，其特征在于：

down_conv模块包括一个3D卷积和一个PRule激活函数，decoder模块包括3个3D卷积和3个PRule激活函数。

8.如权利要求6所述的基于边缘算子改进的ResUnet医学影像分割系统，其特征在于：

up_conv模块包括一个3D转置卷积和一个PRule激活函数，map模块包括一个3D卷积和一个UPSample上采样层。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如下步骤：

获取待处理的医学影像数据；

根据获取的医学影像数据和预设ResUnet网络模型，得到肺段分割结果；

其中，根据预测结果与标注标准数据得到第一损失函数，根据预测结果与边缘算子处理后的标注数据得到第二损失函数，以第一损失函数和第二损失函数的加权和为ResUnet网络模型的损失函数。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如下步骤：

获取待处理的医学影像数据；

根据获取的医学影像数据和预设ResUnet网络模型，得到肺段分割结果；

其中，根据预测结果与标注标准数据得到第一损失函数，根据预测结果与边缘算子处理后的标注数据得到第二损失函数，以第一损失函数和第二损失函数的加权和为ResUnet网络模型的损失函数。