[发明专利]一种基于卷积神经网络的迭代学习的图像分割方法

摘要

本发明公开了一种基于卷积神经网络的迭代学习的图像分割方法，基于U‑Net模型，针对病理图像语义分割模型训练过程，提出新的损失计算方式和迭代训练的方法。该方法通过改进模型中损失函数的计算方式，调整求解的目标函数。提出利用模型预测区域与标注区域相补的思想，通过迭代训练，进一步修补不完全、不确切监督区域，得到标注更加精细的样本，从而完成更高精度的语义分割。这种针对不完全、不确切监督问题提出的新的模型学习方法，具有较强的鲁棒性，因而能更好的分割病变区域。在相同训练模型、相同数据集的情况下，采用本方法，相比原始模型能提升0.4‑0.8左右的精度，在比赛、科研的领域中，具有显著的作用。

主权项

1.一种基于卷积神经网络的迭代学习的图像分割方法，其特征在于：该方法包括如下步骤：步骤1：修改损失函数损失计算方式，构建训练模型；步骤2：根据所述模型对待分割的训练图像进行卷积处理，得到图像特征图；步骤3：根据所述特征图获取像素点概率集合，获取标签图；步骤4：人工筛选所述标签图与原标签图融合,构成新的训练样本；步骤5：重复步骤2‑4，迭代训练，应用于测试样本。