一种基于神经网络的对称性脑肿瘤分割方法

摘要

本发明提出了一种基于神经网络的对称性脑肿瘤分割方法，其主要内容包括：对称编码神经网络、数据集、预处理、模型比较，其过程为，首先计算原始脑部图像和翻转的脑部图像之间的差异，在差异上提取特征，连接差异与原始图像的特征图以保留原始图像的信息，然后对现有神经网络中的对称性进行编码；由于大脑对称性处于高度抽象层次，因此在几个卷积层和池化层之后对对称性执行相减，接着在具有连续卷积和池化层的神经网络上提取不同抽象层次的特征。本发明解决了脑肿瘤结构复杂、边界模糊且与正常脑组织混叠的问题，在分割中着重关注大脑的不对称性，克服了脑肿瘤分割中存在的问题，提升了脑肿瘤分割的正确率。