[发明专利]一种基于深度语义分割网络的自动识别鼻咽癌原发肿瘤方法

摘要

本发明公开了一种基于深度语义分割网络的自动识别鼻咽癌原发肿瘤方法，方法包括：采集患者的磁共振三维图像；对三维图像进行灰度偏差场的纠正处理；对预处理步骤后的三维图像利用改进的直方图匹配算法进行处理；对上述预处理步骤后的三维图像截取ROI区域，并分割为2*2个有重叠的patch作为模型的输入；对多个patch输入已训练的深度语义分割网络进行鼻咽癌原发肿瘤的识别，最终将输出的多个patch的识别结果合并，得到最终的原发肿瘤识别结果。本发明能有效提高输入数据的质量，并学习到高分辨率图像的全局信息和细节信息，结合后处理方法，能有效提高预测的准确度和模型的泛化能力，进而有效提高医疗工作者的工作效率。

主权项

1.一种基于深度语义分割网络的自动识别鼻咽癌原发肿瘤方法，其特征在于，包括以下步骤：S1：采集患者的磁共振三维图像，并对所述磁共振三维图像进行初步的数据预处理；S2：对数据预处理后的磁共振三维图像进行灰度偏差场的纠正处理，使同一图像中相同组织内的灰度值更加均匀；S3：利用改进的直方图匹配算法对磁共振三维图像进行处理，通过训练一个灰度映射函数，使图像的直方图与预先挑选的模板图像的直方图进行匹配，使不同图像中相同组织内的灰度值更加相近；S4：截取磁共振三维图像的ROI区域，并分割为2*2个有重叠的patch作为模型的输入；S5：构建并训练深度语义分割网络对原发肿瘤进行识别；S6：将多个patch输入至已训练的深度语义分割网络进行原发肿瘤的识别；S7：将输出的多个patch的识别结果合并，得到最终的原发肿瘤识别结果；S8：利用平均场迭代算法对原发肿瘤识别结果进行后处理。