一种融合离散特征的医学影像中器官深度学习分割方法

摘要

本发明属于医学影像和人工智能技术领域，涉及一种融合离散特征的医学影像器官深度学习分割方法、设备和存储介质。包括步骤：把各离散特征集的元素分别表示为用独热向量表示的词向量；转换成具有相同固定长度的实数特征向量，融合后转换成一个与待处理的医学影像像素或体素数相同的一维特征向量；重构成与待处理的医学影像尺寸相同的二维或三维矩阵表示，与待处理的医学影像进行融合后，得到语义分割深度学习网络的输入，进而对其进行图像语义分割网络训练。本发明在网络输入的图像学习网络中，允许非图像的其与图像相关的离散特征信息进入网络进行学习；克服了传统靠扩充数据的方法来进行网络训练的数据采集成本高甚至不可执行性的缺陷。