[发明专利]一种基于深度学习的脑肿瘤自动分割方法

摘要

本发明公开了一种基于深度学习的脑肿瘤自动分割方法，首先对包含脑肿瘤的核磁共振成像切片进行图像块的提取，利用图像块的灰度序列作为深度学习的输入，并对网络进行无监督的预训练得到最初的网络参数，之后再利用带标签的数据反向对网络参数进行微调，得到的最终参数用于初始化新的网络，通过该网络对待测试的图像进行初步的分类。在完成分类后，接着利用设定的灰度值对初步被分为肿瘤的点进行一次划分，最后进行后处理得到最终的分割结果，本发明是一种脑肿瘤的自动分割方法，并且不需要对脑肿瘤提取额外的特征，本发明将为医生制定脑肿瘤的手术方案提供有用的信息。

主权项

一种基于深度学习的脑肿瘤自动分割方法，其特征在于，包括以下步骤：步骤一：对病人包含脑肿瘤的核磁共振成像(Magnetic Resonance Imaging，MRI)切片进行预处理，裁剪边缘降低计算量，并提升对比度；步骤二：对图像中的点提取其图像块，将每个图像块的灰度转换为一个一维的向量，依次排列形成输入矩阵；步骤三：设定深度学习网络的隐层节点数，将矩阵作为输入，首先进行预训练，获取最初的网络参数；步骤四：在网络的顶部增加一个输出层，利用带标签的数据对网络参数进行微调得到最终的参数；步骤五：使用得到的参数初始化一个新的分类网络，对需要测试的图像，为其提取同样大小的图像块，并形成同样的灰度矩阵，把这个灰度矩阵输入到分类网络中，得到最初的分类结果；步骤六：将结果映射到原来的测试图像上，利用一个灰度值对被分为肿瘤的点进行划分，最后利用一个后处理在合并连通区域的同时删除一些孤立的肺肿瘤区域；步骤七：将最终结果映射到原图上，并统计分割正确率。