[发明专利]基于多深度信念网络的磁共振前列腺3D图像分割方法

摘要

本发明公开了一种基于多深度信念网络的磁共振MRI前列腺3D图像分割方法。主要解决现有技术因人工选择特征，导致分割精度低的问题。其实现方案是根据患者图像获取每个患者的数据集，将每个患者数据集分为三部分；用这三部分训练集分别训练三个结构相同的深度信念网络和三个softmax分类器；将三个测试集输入到三个网络中；用三个softmax分类器对三个网络的输出进行分割，并将三个测试集的分割结果依次叠加，得到测试集的初分割结果；使用三维形态学对测试集初分割结果进行处理，得到最终的分割结果。本发明无需人工选择，能有效利用磁共振MRI序列图像上下层的信息特征，提高了分割的准确率。

主权项

基于多深度信念网络的磁共振MRI前列腺3D图像分割方法，包括：(1)获取n×m幅磁共振MRI前列腺图像，其中n＝10表示患者个数，m≤50表示每个患者最多有50幅图像；(2)对每幅图像的所有像素点进行预处理，即将以每个像素点为中心的13×13×3的长方体转换成1×507维的行向量，得到由m×l个行向量组成的患者数据集，其中l表示每一幅图像中的像素点个数，l≤7200；(3)构造训练集：从10个患者中选取9个患者，将所选的每个患者的前个行向量组成第一训练集，中间个行向量组成第二训练集，后个行向量组成第三训练集；将剩余的1个患者，再按照如上方法分成三个测试集，分别为第一测试集、第二测试集和第三测试集；(4)构建深度信念网络，分别用第一训练集学习得到网络一，用第二训练集学习得到网络二，用第三训练集学习得到网络三，这三个网络具有相同的结构；(5)使用网络一训练一个softmax分类器得到分类器一，使用网络二训练一个softmax分类器得到分类器二，使用网络三训练一个softmax分类器得到分类器三；(6)对测试集进行分割：将第一测试集输入网络一将其结果输入分类器一进行计算，得到第一测试集的分割结果；将第二测试集输入网络二将其结果输入分类器二进行计算，得到第二测试集的分割结果；将第三测试集输入网络三将其结果输入分类器三进行计算，得到第三测试集的分割结果；将三个测试集的分割结果依次合并，得到测试集的分割结果；(7)对测试集分割结果进行三维形态学处理得到最终的分割结果。