一种基于深度学习的肺叶图像分割方法
基本信息
| 申请号 | CN202110644817.2 | 申请日 | - |
| 公开（公告）号 | CN113344881A | 公开（公告）日 | 2021-09-03 |
| 申请公布号 | CN113344881A | 申请公布日 | 2021-09-03 |
| 分类号 | G06T7/00（2017.01）I;G06T7/11（2017.01）I;G06T3/40（2006.01）I;G06K9/62（2006.01）I;G16H30/40（2018.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 金烁;董家鸿;王博;赵威;申建虎;张伟;徐正清 | 申请（专利权）人 | 西安智诊智能科技有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 710000陕西省西安市高新区鱼化街办天谷八路软件新城二期B2座102室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的肺叶图像分割方法，首先获取肺部CT图像，并将肺部CT图像中的肺叶和血管进行标注得到数据集；并对数据集进行预处理操作，包括提取得到3D图像，并对该3D图像进行包含随机位移的线性变换得到训练集图像；之后构建构建肺叶图像分割模型，并利用所述训练集图像进行训练，其中肺叶图像分割模型包括编码部分和解码部分，解码部分包括还原肺叶图像的第一网络、还原血管图像的第二网络和重建图像肺部的第三网络；最后利用训练完成的肺叶图像分割模型处理待分割的肺部CT图像，得到肺叶图像分割结果，本申请实现对自动肺叶分割结果进行进一步的优化，使肺叶分割结果更加精确，能够满足临床需求。 |
