一种基于卷积循环网络的3D血管结构提取方法

摘要

本发明中提出的一种基于卷积循环网络的3D血管结构提取方法，其主要内容包括：实验数据、综合数据、卷积神经网络(CNN)构架、卷积长期短期存储器单元(ConvLSTM)，其过程为，使用临床数据和合成数据进行实验，实际数据使用高分辨率荧光多光子显微镜，在小鼠中使用腹腔模型成像，获得图像来描绘脉管系统，添加噪声模拟实际情况，将CNN网络与卷积LSTM网络结合，卷积长短期存储器单元使用深配置和浅配置组合和训练网络，使用加权二进制交叉熵损失测试训练结果。本发明能够从复杂的显微镜图像中提取真正的3D血管结构，减少了在三维中卷积的复杂性；大大减少了模型参数的数量，具有更广泛的视图，而且能提取更丰富的特征。