[发明专利]一种基于Unet模型的肺实质图像分割方法

权利要求书

1.一种基于Unet模型的肺实质图像分割方法，其特征在于，包括以下步骤：

S1:获取待分割的肺实质CT图像；

S2:图像预处理；

S3:建立LUnet网络结构：

以原始Unet模型为基础，使用预激活的残差模块替代编码路径中原有的卷积模块，并在编码路径和解码路径中间引入多尺度上下文模块，同时减少网络层数和调整每层的通道数；

S4:利用预处理好的肺实质CT图像对LUnet网络进行训练；

S5:将待分割的肺实质CT图像测试集输入训练好的LUnet网络获取分割结果。

2.根据权利要求1所述的一种基于Unet模型的肺实质图像分割方法，其特征在于：步骤S2所诉图像预处理，包括数据增强、归一化和图像大小缩放，其中数据增强方式可以采用几何变换方法或者像素变换方法中的一种或者多种；归一化是指将图像的像素值从0到255缩放到0到1之间或者-1到1之间；图像大小缩放是指将原始图像的尺寸变小，比如缩放至原来的1/2或者1/4等。

3.根据权利要求1所述的一种基于Unet模型的肺实质图像分割方法，其特征在于：步骤S3所诉建立LUnet网络结构，其中LUnet网络结构包括编码路径、解码路径和多尺度上下文模块3部分，编码路径由预激活的残差模块和2×2最大池化层组成，一共进行3次下采样；解码路径由3×3卷积块和2×2反卷积组成，一共进行3次上采样；多尺度上下文模块位于编码路径和解码路径之间，用于获取不同尺度的特征，丰富上下文信息。

4.根据权利要求1所述的一种基于Unet模型的肺实质图像分割方法，其特征在于：步骤S3所诉建立LUnet网络结构，其中预激活的残差模块由3×3卷积层、批处理层和ReLU激活函数组成，该模块的输入信息首先经过批处理层、ReLU激活函数和3×3卷积层，之后再经过一次批处理层、ReLU激活函数和3×3卷积层，最后与原始信息相加作为该模块的输出信息；利用该模块可以在不引起梯度爆炸或者梯度弥散的前提下加深网络深度，提高模型的分割性能，同时这种先通过激活函数再通过卷积层的操作会使网络的流通更加顺畅。

5.根据权利要求1所述的一种基于Unet模型的肺实质图像分割方法，其特征在于：步骤S3所诉建立LUnet网络结构，其中多尺度上下文模块包含5个并联的分支，可以获取到5种不同尺度的信息，其中：

分支一：由1×1卷积组成，用于获取全局信息；

分支二：由1×1卷积和空洞率为1的3×3卷积组成；

分支三：由3×3卷积和空洞率为3的3×3卷积组成；

分支四：由5×5卷积和空洞率为5的3×3卷积组成；

分支五：由7×7卷积和空洞率为7的3×3卷积组成；

最后，将5个分支通道拼接然后通过1×1卷积进行特征的融合；

利用该模块可以获取丰富的上下文信息，加强信息之间的联系。