公开(公告)号：CN114926477B

公开(公告)日：2024-06-28

申请号：CN202210526936.2

申请日：2022-05-16

Applicant: 东北大学

Inventor： 叶晨 ,  唐鹏 ,  陈嘉雷 ,  付冲

IPC: G06T7/11 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明的一种基于深度学习的脑肿瘤多模态MRI影像分割方法，包括：步骤1：对脑肿瘤多模态MRI影像数据集预处理，分为训练集和测试集；步骤2：构建空洞多尺度幻影模块；步骤3：构建通道注意力模块；步骤4：在空洞多尺度幻影模块和通道注意力模块的基础上建立脑肿瘤MRI影像分割深度卷积神经网络；步骤5：使用训练集训练深度卷积神经网络；步骤6：使用测试集验证所保存模型的可用性；步骤7：使用训练好的深度卷积神经网络对病患多种模态MRI影像的病灶区域进行分割处理。本发明的方法能够精确快速分割出图像中脑肿瘤整体区域，用于对脑肿瘤病灶分割系统中，网络的参数利用率较高，计算复杂度较低，具有实用意义。

公开(公告)号：CN114926477A

公开(公告)日：2022-08-19

申请号：CN202210526936.2

申请日：2022-05-16

Applicant: 东北大学

Inventor： 叶晨 ,  唐鹏 ,  陈嘉雷 ,  付冲

IPC: G06T7/11 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明的一种基于深度学习的脑肿瘤多模态MRI影像分割方法，包括：步骤1：对脑肿瘤多模态MRI影像数据集预处理，分为训练集和测试集；步骤2：构建空洞多尺度幻影模块；步骤3：构建通道注意力模块；步骤4：在空洞多尺度幻影模块和通道注意力模块的基础上建立脑肿瘤MRI影像分割深度卷积神经网络；步骤5：使用训练集训练深度卷积神经网络；步骤6：使用测试集验证所保存模型的可用性；步骤7：使用训练好的深度卷积神经网络对病患多种模态MRI影像的病灶区域进行分割处理。本发明的方法能够精确快速分割出图像中脑肿瘤整体区域，用于对脑肿瘤病灶分割系统中，网络的参数利用率较高，计算复杂度较低，具有实用意义。