基于全卷积神经网络的端对端胸部CT图像分割方法

摘要

本发明公开了基于全卷积神经网络的端对端胸部CT图像分割方法，首先临床扫描k组胸部CT图像，并且将每组CT图像按照每一张切片分开作为训练样本；然后对于每一个训练样本和测试样本，并经过专业的医护人员进行手动分割，将图像分成肺部、气管、皮肤和背景四个部分；接下来构建端对端的全卷积神经网络对经过标记的胸部CT训练数据进行训练，得到训练好的参数模型；将扫描的CT图像的每张切片分开，并且逐个输入训练好的模型，得到分割好的输出模型；最后将输出的模型进行组合，最后得到分割完成的胸部CT图像模型。本发明提出的这种利用图像邻域内容进行特征提取的卷积神经网络模型，可以对胸部CT图像进行密集预测，简化了图像分割的流程。