公开(公告)号：CN108776969B

公开(公告)日：2021-06-22

申请号：CN201810505528.2

申请日：2018-05-24

Applicant: 复旦大学

Inventor： 郭翌 ,  胡雨舟 ,  汪源源 ,  余锦华 ,  周世崇 ,  常才

IPC: G06T7/11 ,  G06T7/136 ,  G06T7/149

Abstract: 本发明属于图像处理技术领域，具体为基于全卷积神经网络的乳腺超声图像肿瘤分割方法。本发明方法包括：构建基于空洞卷积的全卷积神经网络，用于粗略分割超声图像上获得乳腺肿瘤；构建的DFCN网络中，使用空洞卷积，从而使网络保持较深层的特征图的分辨率，以确保在有大量阴影区域的情况下也能很好地分割肿瘤；此外，DFCN网络中还使用批量归一化技术，使得网络具有更高的学习率，加速了训练过程；利用基于相位信息的动态轮廓PBAC模型，对于粗略分割结果进行优化，得到最终精细的分割结果；实验结果表明，本发明可以准确地分割肿瘤，尤其对边界模糊、阴影多的超声图像有很好的分割结果。

公开(公告)号：CN108776969A

公开(公告)日：2018-11-09

申请号：CN201810505528.2

申请日：2018-05-24

Applicant: 复旦大学

Inventor： 郭翌 ,  胡雨舟 ,  汪源源 ,  余锦华 ,  周世崇 ,  常才

IPC: G06T7/11 ,  G06T7/136 ,  G06T7/149

Abstract: 本发明属于图像处理技术领域，具体为基于全卷积神经网络的乳腺超声图像肿瘤分割方法。本发明方法包括：构建基于空洞卷积的全卷积神经网络，用于粗略分割超声图像上获得乳腺肿瘤；构建的DFCN网络中，使用空洞卷积，从而使网络保持较深层的特征图的分辨率，以确保在有大量阴影区域的情况下也能很好地分割肿瘤；此外，DFCN网络中还使用批量归一化技术，使得网络具有更高的学习率，加速了训练过程；利用基于相位信息的动态轮廓PBAC模型，对于粗略分割结果进行优化，得到最终精细的分割结果；实验结果表明，本发明可以准确地分割肿瘤，尤其对边界模糊、阴影多的超声图像有很好的分割结果。