搜索 分析 新世界 法规 图书 网址导航 更多
高级用户登录 | 登录 | |

基于多深度信念网络的磁共振前列腺3D图像分割方法
有权
阅读授权文献

申请号:201610048013.5 申请日:2016-01-25
摘要:本发明公开了一种基于多深度信念网络的磁共振MRI前列腺3D图像分割方法。主要解决现有技术因人工选择特征,导致分割精度低的问题。其实现方案是:根据患者图像获取每个患者的数据集,将每个患者数据集分为三部分;用这三部分训练集分别训练三个结构相同的深度信念网络和三个softmax分类器;将三个测试集输入到三个网络中;用三个softmax分类器对三个网络的输出进行分割,并将三个测试集的分割结果依次叠加,得到测试集的初分割结果;使用三维形态学对测试集初分割结果进行处理,得到最终的分割结果。本发明无需人工选择,能有效利用磁共振MRI序列图像上下层的信息特征,提高了分割的准确率。
申请人: 杭州职业技术学院 西安电子科技大学
地址: 310018 浙江省杭州市下沙学源街68号
发明(设计)人: 姚瑶 付文 缑水平
主分类号: G06T7/00(2006.01)I
分类号: G06T7/00(2006.01)I
  • 法律状态
2018-04-17  授权
2016-07-27  实质审查的生效IPC(主分类):G06T 7/00申请日:20160125
2016-06-29  公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
  • 其他信息
主权项  基于多深度信念网络的磁共振MRI前列腺3D图像分割方法,包括:(1)获取n×m幅磁共振MRI前列腺图像,其中n=10表示患者个数,m≤50表示每个患者最多有50幅图像;(2)对每幅图像的所有像素点进行预处理,即将以每个像素点为中心的13×13×3的长方体转换成1×507维的行向量,得到由m×l个行向量组成的患者数据集,其中l表示每一幅图像中的像素点个数,l≤7200;(3)构造训练集:从10个患者中选取9个患者,将所选的每个患者的前个行向量组成第一训练集,中间个行向量组成第二训练集,后个行向量组成第三训练集;将剩余的1个患者,再按照如上方法分成三个测试集,分别为第一测试集、第二测试集和第三测试集;(4)构建深度信念网络,分别用第一训练集学习得到网络一,用第二训练集学习得到网络二,用第三训练集学习得到网络三,这三个网络具有相同的结构;(5)使用网络一训练一个softmax分类器得到分类器一,使用网络二训练一个softmax分类器得到分类器二,使用网络三训练一个softmax分类器得到分类器三;(6)对测试集进行分割:将第一测试集输入网络一将其结果输入分类器一进行计算,得到第一测试集的分割结果;将第二测试集输入网络二将其结果输入分类器二进行计算,得到第二测试集的分割结果;将第三测试集输入网络三将其结果输入分类器三进行计算,得到第三测试集的分割结果;将三个测试集的分割结果依次合并,得到测试集的分割结果;(7)对测试集分割结果进行三维形态学处理得到最终的分割结果。
公开号  105719303A
公开日  2016-06-29
专利代理机构  陕西电子工业专利中心 61205
代理人  王品华 朱红星
颁证日  
优先权  
国际申请  
国际公布  
进入国家日期