买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了一种基于神经网络的烧伤创面区域自动分割方法：S1使用相机采集获取烧伤图像；S2对采集到的烧伤图像进行预处理，包括有效图像筛选、图像有效区域剪切、图像标记和图像数值归一化，并且通过图像随机旋转、随机翻转、随机平移和随机缩放操作进行图像数据增强；S3将预处理和数据增强的烧伤图像输入神经网络模型进行训练，进一步的，神经网络模型由编码器和解码器两个模型组成，编码器模型负责提取图像特征图，解码器模型负责将特征图转换为烧伤创面区域预测图；S4将训练好的模型用于分割烧伤图像中的烧伤创面区域。本发明烧伤图像烧伤创面区域自动分割方法能够提供像素级的烧伤图像分割结果，能够精确分割出患者烧伤图像的烧伤创面区域。

主权项：1.一种基于神经网络的烧伤创面区域自动分割方法，其特征在于，所述方法包括如下步骤：S1：采集获取烧伤病人的烧伤图像；S2：对烧伤图像进行预处理和数据增强操作；S3：将预处理和数据增强后的烧伤图像输入神经网络模型中进行模型的训练，进一步地，神经网络模型分为编码器模型和解码器模型；S4：使用训练后的模型烧伤图片进行烧伤创面区域预测，得到烧伤创面区域的分割结果图；所述步骤S3进一步包括：S31：将预处理和数据增强后的烧伤图像输入编码器模型，提取烧伤图像的特征图；将步骤S2处理后的烧伤图像输入编码器模型，提取烧伤图像的特征图；编码器模型为改进的ResNet-101模型，与原始ResNet-101模型相比，改进的ResNet-101模型中删除了原始ResNet-101模型最后一层全连接层的输出，并且将原始ResNet-101模型中的普通卷积层替换为空洞卷积层；S32：将编码器模型提取的特征图输入解码器模型，进行烧伤图像的特征融合，输出烧伤创面区域的分割预测图；解码器模型为改进的UPerNet模型；与原始的UPerNet模型相比，改进的UPerNet模型将原始结构中的PPM由4层改进为3层；之后融合PPM各层输出的特征图，最后输出和原始烧伤图像尺寸相同的烧伤区域预测图；解码器模型的输出激活函数为Sigmoid；Sigmoid函数的表达式为： 其中S为单个像素的预测输出值，范围在[0,1]区间；当S的值小于0.5时，该像素点判定为非烧伤创面区域，当S的值大于等于0.5时，该像素点判定为烧伤创面区域；S33：计算模型输出的Loss值，通过RMSProp优化器训练模型；计算解码器模型的输出预测图和标记的掩模图之间的Loss值，Loss的计算使用改进的DiceLoss计算方法；之后使用RMSPro优化器进行反向传播更新模型的参数，训练模型；其中Dice系数的表达式为： 其中|A∩B|表示集合A和集合B之间的共同元素，|A|表示集合A中的元素个数，|B|表示集合B中的元素个数；所述改进的DiceLoss计算方法，表达式为： 其中，β为改进的自适应系数，m为烧伤图像宽度像素点的个数，N为烧伤图像高度像素点的个数，yij表示单个像素点的预测值，表示单个像素点的标注值；RMSPro优化器的表达式为： 其中，Wt表示t时刻迭代模型的参数，gt表示t次迭代Loss函数关于W的梯度大小，E[g2]t表示前t次的梯度平方的均值；α表示动量，且设置为0.9，η0表示全局初始学习率，∈取1e-8，避免分母为0。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于神经网络的烧伤创面区域自动分割方法