[发明专利]一种基于卷积神经网络的CT图像中带夹层主动脉分割方法

摘要

本发明公开了一种基于卷积神经网络的CT图像中带夹层主动脉分割方法。本发明提出了结合三维卷积神经网络和二维卷积神经网络的CT带夹层主动脉分割算法，使用三维卷积神经网络将三维体数据分成两部分，再使用两个二维卷积神经网络分别对这两部分进行分割，得到最终的分割结果。本发明可以有效的从包含带夹层主动脉的CT图像中分割出带夹层的主动脉，克服了传统的单纯使用三维全卷积神经网络由于输入图像分辨率与GPU显存容量之间的矛盾导致分割精度上的不足，以及单纯使用二维卷积神经网络由于丢失三维信息导致的分割效果不稳定的缺陷，具有良好的分割效果。

主权项

1.一种基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，包括以下步骤：步骤1、获取带夹层主动脉CT图像以及对应的人工标记图像步骤2、由带夹层主动脉CT图像以及对应的人工标记图像计算得到三维卷积神经网络的训练集T_3D和两个二维神经网络的训练集和步骤3、利用得到的三维网络训练集T_3D训练三维卷积神经网络N_3D得到三维模型M_3D，同时利用得到的二维网络训练集和分别训练对应的二维卷积神经网络和得到二维模型和步骤4、对待分割的临床三维CT图像进行预处理，得到预处理后的三维CT图像步骤5、将预处理后的三维CT图像输入训练好的三维模型M_3D中，得到初步的分块标记A_3D；步骤6、对初步的分块标记A_3D进行后处理，得到精细的分块标记步骤7、根据精细的分块标记将待分割的三维CT图像按断层分为两部分和分别逐层输入到对应的训练好的二维模型和中，得到对应的两组特征值图像和步骤8、结合两组特征值图像和得到整体的特征值图像F_3D，并对F_3D做阈值分割得到最终的分割结果S_3D。