一种基于深度学习的医学图像活动轮廓分割方法

摘要

本发明提出了一种基于深度学习的医学图像活动轮廓分割方法，其步骤如下：获取医学图像作为样本图像，将样本图像分成训练集和测试集，获取训练集中样本图像的像素级的标签；构建初始化网络并进行训练，得到粗分割模型；将所有样本图像输入到粗分割模型中得到像素级的粗分割预测图像，提取粗分割预测图像的边界点得到初始化表面的点云数据；构建表面演化网络模型并训练表面演化网络模型，得到表面演化模型；将测试集的初始化表面的点云数据输入到表面演化模型中得到边界点的预测位移，根据预测位移确定目标边界点：利用目标边界点进行三维表面重建，得到最终的分割图像。本发明提高了分割精度，相对于其他基于边界的表面演化方法节省了计算时间。