公开(公告)号：CN111161235A

公开(公告)日：2020-05-15

申请号：CN201911364557.2

申请日：2019-12-26

Applicant: 华南理工大学

Inventor： 罗耀忠 ,  黄庆华 ,  金连文

IPC: G06T7/00 ,  G06T7/10

Abstract: 本发明公开了一种基于细粒度解剖语义理解的乳腺超声图像分割方法。所述方法包括以下步骤：对乳腺超声图像进行预处理，得到图像强度信息；采用基于VGGNet的特征提取基网络提取图像的基本视觉特征；构建对图像中的不同解剖结构区域进行语义分割的初分割网络，得到语义分割的结果；构造一个RNN网络，然后把前面语义分割的结果和图像强度信息作为RNN的输入，在图像上以构图的方式建立空间关联；把初分割网络和RNN网络连接起来，构建end-to-end的分割网络；分割网络构建完毕后，进行统一的训练，得到训练好的分割网络；采用训练好的分割网络对乳腺超声图像进行分割。本发明通过迁移学习能够解决医学超声图像数据量少，标注困难且标注门槛高的问题。

公开(公告)号：CN111161235B

公开(公告)日：2023-05-23

申请号：CN201911364557.2

申请日：2019-12-26

Applicant: 华南理工大学

Inventor： 罗耀忠 ,  黄庆华 ,  金连文

IPC: G06T7/00 ,  G06T7/10

Abstract: 本发明公开了一种基于细粒度解剖语义理解的乳腺超声图像分割方法。所述方法包括以下步骤：对乳腺超声图像进行预处理，得到图像强度信息；采用基于VGGNet的特征提取基网络提取图像的基本视觉特征；构建对图像中的不同解剖结构区域进行语义分割的初分割网络，得到语义分割的结果；构造一个RNN网络，然后把前面语义分割的结果和图像强度信息作为RNN的输入，在图像上以构图的方式建立空间关联；把初分割网络和RNN网络连接起来，构建end‑to‑end的分割网络；分割网络构建完毕后，进行统一的训练，得到训练好的分割网络；采用训练好的分割网络对乳腺超声图像进行分割。本发明通过迁移学习能够解决医学超声图像数据量少，标注困难且标注门槛高的问题。