一种基于多尺度深度监督的残差3D U-Net医学图像分割方法

摘要

本发明提供了一种基于多尺度深度监督的残差3D U‑Net医学图像分割方法，属于图像分割技术领域。本发明包括以下步骤：步骤1：去除CT影像中的噪声，将图像归一化为(0，1)；步骤2：肺结节Mask图像生成；步骤3：构造Patch区域(96，96，16)的肺实质CT图像和Mask图像3D训练集；步骤4：建立基于多尺度深度监督的残差3D U‑Net网络模型，用3D训练样本训练该网络，用训练的模型对测试3D样本进行预测，从而对目标病灶区域实现自动分割。本发明不仅在实心，亮度高，直径大的结节分割上表现优异，还改善了网络对直径小、亮度暗、与其他组织粘粘毛玻璃结节的分割效果。