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：天津师范大学

摘要：本发明提供一种基于傅里叶先验知识的医学图像分割方法和系统，属于医学影像技术领域。该方法包括：获取医学图像样本集，并将医学图像样本集划分为训练集和验证集；构建初始医学图像分割模型，初始医学图像分割模型包括相互连接的下采样路径和上采样路径，下采样路径包括初始卷积层、交替连接的下采样层和残差模块，上采样路径包括输出卷积层、交替连接的上采样层和残差模块；基于训练集和验证集，采用训练和验证相结合的方式，对初始医学图像分割模型进行训练，获得训练好的医学图像分割模型；将待分割的医学图像输入训练好的医学图像分割模型，获得目标分割图像。该方法能够提高图像分割结果的精度。

主权项：1.一种基于傅里叶先验知识的医学图像分割方法，其特征在于，包括：获取医学图像样本集，并将所述医学图像样本集划分为训练集和验证集；构建初始医学图像分割模型，所述初始医学图像分割模型为U型模型，所述初始医学图像分割模型包括相互连接的下采样路径和上采样路径，所述下采样路径包括初始卷积层、交替连接的下采样层和残差模块，所述上采样路径包括输出卷积层、交替连接的上采样层和残差模块；其中，初始卷积层为所述下采样路径的输入端，输出卷积层为所述上采样路径的输出端，所述初始医学图像分割模型的深度为N层，所述下采样路径和所述上采样路径的1至M层的残差模块为傅里叶幅度残差模块，所述下采样路径和所述上采样路径的M至N层的残差模块为傅里叶相位残差模块，M小于N，M和N分别为正整数；基于所述训练集和所述验证集，采用训练和验证相结合的方式，对所述初始医学图像分割模型进行训练，获得训练好的医学图像分割模型；其中，所述下采样路径用于对所述训练集和所述验证集中的样本图像进行下采样获得下采样特征图像，所述上采样路径用于对所述下采样特征图像进行上采样获得分割图像；将待分割的医学图像输入训练好的医学图像分割模型，获得目标分割图像；所述傅里叶幅度残差模块包括第一分支、第二分支、第三分支和第一拼接子模块；所述第一分支包括两个串联的卷积组，所述卷积组包括顺序串联的深度可分离卷积层、BN层和激活函数层；所述第二分支包括1×1标准卷积层；所述第三分支包括顺序连接的1×1标准卷积层、傅里叶变换层、1×1标准卷积层、激活函数层、1×1标准卷积层和傅里叶逆变换层构成的第一子分支，以及所述第一子分支中所述傅里叶变换层和所述傅里叶逆变换层直接连接构成的第二子分支；其中，所述傅里叶变换层输出的相位值沿所述第二子分支输入所述傅里叶逆变换层，所述傅里叶变换层输出的幅度值沿所述第一子分支输入所述傅里叶逆变换层；所述第一拼接子模块用于将所述第一分支输出的第一特征图、所述第二分支输出的第二特征图和所述第三分支输出的第三特征图进行相加，获得第一目标特征图；所述傅里叶相位残差模块包括第四分支、第五分支、第六分支和第二拼接子模块；所述第四分支包括两个串联的卷积组，所述卷积组包括顺序串联的深度可分离卷积层、BN层和激活函数层；所述第五分支包括1×1标准卷积层；所述第六分支包括顺序连接的1×1标准卷积层、傅里叶变换层、1×1标准卷积层、激活函数层、1×1标准卷积层和傅里叶逆变换层构成的第三子分支，以及所述第三子分支中所述傅里叶变换层和所述傅里叶逆变换层直接连接构成的第四子分支；其中，所述傅里叶变换层输出的幅度值沿所述第四子分支输入所述傅里叶逆变换层，所述傅里叶变换层输出的相位值沿所述第三子分支输入所述傅里叶逆变换层；所述第二拼接子模块用于将所述第四分支输出的第四特征图、所述第五分支输出的第五特征图和所述第六分支输出的第六特征图进行相加，获得第二目标特征图；所述下采样路径和所述上采样路径之间同层跳跃连接；所述上采样路径中的任一残差模块的输入，基于前一上采样层的输出和所述下采样路径中同层对应的残差模块的输出获得。

全文数据：

权利要求：

百度查询： 天津师范大学 一种基于傅里叶先验知识的医学图像分割方法和系统