[发明专利]一种基于3D对抗网络的医学CT图像分割方法

摘要

本发明公开一种基于3D对抗网络的医学CT图像分割方法，包括如下步骤：采集医学CT图像样本，进行标准化预处理；建立最终分割网络；将给定任意一幅待识别医学CT图像放入最终分割网络中，得到最终分割结果。本发明通过对3D对抗网络的结构形式进行整体设计，利用分割网络作为3D对抗网络的生成网络G，预训练过的VGG11作为3D对抗网络的判别网络D。本发明利用对抗网络增加标注数据，并通过相似度计算与循环随机筛选，增强图像的可信度，以批量生成高质量的标注图像集合，最后通过判别网络D与分割网络进行对抗训练来更新分割网络参数和判别网络D参数，从而实现对分割网络的优化并提高分割准确度。本发明方法设计简单，易于实现。

主权项

1.一种基于3D对抗网络的医学CT图像分割方法，其特征在于，包括如下步骤：S1：采集医学CT图像样本，进行标准化预处理，建立未标注图像集合Sunlabled和已标注图像集合Su；S2：将已标注图像集合Su输入分割网络进行网络训练，生成初始分割网络；S3：将步骤S1的未标注图像集合Sunlabled输入步骤S2的初始分割网络，进行初始分割，得到初始分割生成图像集合Sm；S4：对步骤S3的初始分割生成图像集合Sm加入权重值M，进行随机筛选，得到新的标注图像集合Sa；权重值M是由图像相似度决定的，取值范围为[0.1，1]；S5：将新的标注图像集合Sa加入已标注图像集合Su作为新的已标注图像集合Sb，用于训练初始分割网络；S6：循环执行步骤S2～S5，直到步骤S4中的权重值M达到预设值E，得到中间分割网络和中间分割图像，将循环得到的中间分割图像合成中间生成图像集合Sgenerate；预设值E为超参数，需要根据不同的CT图像特点选择，取值范围为[0.7，1]；S7：建立3D对抗网络，进行对抗训练，得到最终分割网络；S8：将给定任意一幅待识别医学CT图像放入步骤S7的最终分割网络中，得到最终分割结果。