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！

摘要：本发明实施例公开了一种基于降质显微CT图像的3D微血管结构分割方法及系统，本发明实施例利用了卷积层和最大池化层用以采集复杂的图像特征，并采用监督训练的策略，实现神经网络学习降质图像和已知的真实数据之间的映射关系，最终实现测试集上分割结果不受伪影影响，提高了分割的准确率；选取了Focalloss和Diceloss做加权损失函数，Focalloss在计算损失的过程中赋予了目标和背景不同的权重，Diceloss评估了预测结果和标签之间的重叠程度，从而在目标‑背景不均衡的图像同样取得了较高的分割准确率，同时引入注意力模块，使网络更加专注于目标区域，即便在边缘复杂的图像上，同样能使分割边缘连续、精准。

主权项：1.一种基于降质显微CT图像的3D微血管结构分割方法，其特征在于，所述方法应用于Unet网络，其包括：S1、获取至少一组配对的降质显微CT图像和真实二值化分割图像并对所述降质显微CT图像和二值化分割图像进行数据增强处理，扩大数据集；S2、将数据集中的降质显微CT图像输入Unet网络，使数据集中的降质显微CT图像经过两层特征提取模块进行特征提取，输出第一特征图并将所述特征图输入至最大池化层，所述最大池化层将特征图进行池化处理并继续输入至下一特征提取模块进行特征提取；S3、重复步骤S2直至输出的第二特征图经过四次池化处理并将所述第二特征图输入至图像复原模块，所述图像复原模块将所述第二特征图扩大至预设尺寸并将扩大后的第三特征图输入至注意力模块；S4、将经过特征提取模块的第一特征图、第二特征图和经过图像复原模块的第三特征图输入至注意力模块进行融合形成第四特征图并将所述第四特征图输入至图像复原模块，所述图像复原模块将输入注意力模块前的特征图和所述第四特征图作拼接处理并将拼接图像输入至下一层图像复原模块；S5、对最后一层图像复原模块输出的拼接图像进行卷积处理并利用Sigmoid函数进行激活，获取每一个像素属于血管的概率，根据每一个像素属于血管的概率生成网络二值化分割图像；S6、利用各个所述网络二值化分割图像进行3D结构重建，生成3D微血管结构；获取至少一组配对的降质显微CT图像和真实二值化分割图像并对所述降质显微CT图像和二值化分割图像进行数据增强处理，扩大数据集，包括：所述数据增强处理包括：分别对降质显微CT图像和二值化分割图像进行水平翻转、垂直翻转和水平翻转加垂直翻转；对最后一层图像复原模块输出的拼接图像进行卷积处理并利用Sigmoid函数进行激活，获取每一个像素属于血管的概率，根据每一个像素属于血管的概率生成网络预测二值化分割图像，包括：获取当前像素属于血管的概率，判断当前像素属于血管的概率是否小于预设阈值；如果当前像素属于血管的概率小于预设阈值，则当前像素为背景，将当前像素值修改为0并判断下一像素；如果当前像素属于血管的概率大于或等于预设阈值，则当前像素为血管，将当前像素值修改为255并判断下一像素；遍历所有像素后生成网络预测二值化分割图像。

全文数据：

权利要求：

百度查询： 天津医科大学 一种基于降质显微CT图像的3D微血管结构分割方法及系统