基于深度学习的肺部组织图像分割方法

摘要

本发明提供了一种基于深度学习的肺部组织图像分割方法，属于医学图像分割技术领域。该方法将X光胸片图像输入到分割模型中，其中，该分割模型使用多组训练数据训练得到，所述多组训练数据中的每一组训练数据均包括：X光胸片图像和对应用来标识肺部组织的金标准；获取所述模型的输出信息，其中，所述输出信息包括所述X光胸片图像中肺部组织的分割结果。本发明通过改进的Deeplabv3+的深度学习方法来实现对X光胸片肺部组织的分割，解决了使用传统方法分割肺部组织时遇到的局部收敛和假阳性分割的问题；在公开数据集和尘肺数据集上分别获得95.3％的MIoU和94.8％的MIoU；解决了FCN网络的假阳性问题，提高了SCAN网络方法中胸膈角处及X光胸片上对肋骨的分割准确率。