[发明专利]一种基于机器学习的三维超声图像分割方法在审
| 申请号： | 201710155261.4 | 申请日： | 2017-03-10 |
| 公开（公告）号： | CN108573491A | 公开（公告）日： | 2018-09-25 |
| 发明（设计）人： | 袁杰;梁澄宇;叶濛;刘晓峻;程茜;王学鼎 | 申请（专利权）人： | 南京大学;同济大学 |
| 主分类号： | G06T7/10 | 分类号： | G06T7/10;G06N3/08;G06N99/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210093 江苏省南京市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的三维超声图像分割方法，包括以下步骤：在标注好的多组二维图像中对不同区域分别采样，取以某个像素点为中心的图像片段和像素点实际代表的类别作为一组样本，以此建立大量数据样本，并把样本分为训练集和测试集；构建卷积神经网络作为分类器，以图像片段作为输入、像素点类别作为标签训练卷积神经网络；使用训练好的分类器处理测试集数据并计算正确率，评估分类器的性能；调整卷积神经网络的参数，多次重复训练和评估和过程，最终取最优的结果作为分类器的参数；使用训练好的分类器处理整幅图片，将图像中每个像素点分为不同类别，以此实现图像的分割。 | ||
| 搜索关键词： | 分类器 像素点 卷积神经网络 三维超声图像 基于机器 图像片段 分割 样本 图像 测试集数据 标签训练 多次重复 二维图像 数据样本 测试集 训练集 正确率 采样 评估 构建 标注 学习 图片 | ||
【主权项】：
1.一种基于机器学习的三维超声图像分割方法，其特征在于，包括如下步骤：步骤一，将标注好M种类别的二维超声图像作为机器学习的初始样本，在多组二维图像中分别对不同类别的区域进行采样，选取以某个特征像素点为中心的图像片段和像素点实际代表的类别作为一组样本，以此建立大量数据样本，并把样本分为训练集和测试集；步骤二，构建卷积神经网络作为分类器，以训练集中每组样本的图像片段作为输入，像素点实际代表的类别作为标签，训练卷积神经网络；步骤三，使用步骤二中训练好的分类器处理测试集数据并计算正确率，评估分类器的性能；步骤四，调整卷积神经网络的参数，多次重复步骤二到三，最终选取生成最优的结果一组参数作为分类器的参数；步骤五，将待处理的三维超声图像，切分为相互平行等间距的N组二维切面图像；步骤六，使用训练好的分类器，处理步骤五中切分好的N组图像，将图像中每个像素点分割为不同类别，以此实现对三维超声图像的分割。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学;同济大学，未经南京大学;同济大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710155261.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种针对肿瘤影像数据的智能读片系统
- 下一篇：一种实时雷达探测区域检测方法
