[发明专利]基于全卷积网络的乳腺超声图像肿瘤分割方法有效
| 申请号： | 201810505528.2 | 申请日： | 2018-05-24 |
| 公开（公告）号： | CN108776969B | 公开（公告）日： | 2021-06-22 |
| 发明（设计）人： | 郭翌;胡雨舟;汪源源;余锦华;周世崇;常才 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T7/136;G06T7/149 |
| 代理公司： | 上海正旦专利代理有限公司 31200 | 代理人： | 陆飞;陆尤 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像处理技术领域，具体为基于全卷积神经网络的乳腺超声图像肿瘤分割方法。本发明方法包括：构建基于空洞卷积的全卷积神经网络，用于粗略分割超声图像上获得乳腺肿瘤；构建的DFCN网络中，使用空洞卷积，从而使网络保持较深层的特征图的分辨率，以确保在有大量阴影区域的情况下也能很好地分割肿瘤；此外，DFCN网络中还使用批量归一化技术，使得网络具有更高的学习率，加速了训练过程；利用基于相位信息的动态轮廓PBAC模型，对于粗略分割结果进行优化，得到最终精细的分割结果；实验结果表明，本发明可以准确地分割肿瘤，尤其对边界模糊、阴影多的超声图像有很好的分割结果。 | ||
| 搜索关键词： | 基于 卷积 网络 乳腺 超声 图像 肿瘤 分割 方法 | ||
【主权项】：
1.一种基于全卷积神经网络的乳腺超声图像肿瘤分割方法，其特征在于，具体步骤为：(一)构建基于空洞卷积的全卷积神经网络，用于粗略分割超声图像上获得乳腺肿瘤；首先，构建基于空洞卷积的全卷积神经网络，该全卷积神经网络简记为DFCN；然后在超声图像对乳腺肿瘤进行相对粗略分割，使分割结果能较好地显示出肿瘤位置和边界的要求；构建的DFCN网络中，使用空洞卷积，从而使网络保持较深层的特征图的分辨率，以确保在有大量阴影区域的情况下也能很好地分割肿瘤；此外，DFCN网络中还使用批量归一化技术，使得网络具有更高的学习率，加速了训练过程；(二)利用基于相位信息的动态轮廓PBAC模型，对于上一步得到的分割结果进行优化，得到最终精细的分割结果；其中，使用由DFCN标定的肿瘤边缘作为动态轮廓PBAC模型的初始边界，经过多次迭代，进一步优化DFCN的结果。
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复旦大学，未经复旦大学许可，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/201810505528.2/，转载请声明来源钻瓜专利网。
- 上一篇：基于深度森林的SAR图像变化检测方法
- 下一篇：图像处理方法和装置
