新一代信息技术
一种基于超像素和全卷积神经网络的脑部MR图像分割方法
本发明提出一种基于超像素和全卷积神经网络的脑部MR图像分割方法，该方法包括：第一，采用简单线性迭代聚类算法(Simple Linear Iterative Clustering,SLIC)对源图像进行预处理，获得超像素分割结果；第二，构建基于加权融合的全卷积神经网络(Fully Convolutional Neural Network Based on Weighted Fusion,FCN‑WF)，在不同路径的上采样过程中，对不同图像层进行加权融合，从而获得不同的分割结果；第三，设计基于多数投票规则的像素分类方法，通过比较不同分割结果中像素的分类标签，对歧义像素进行重新划分，获得最终的细化分割结果。本发明所述方法通过超像素分割提高后续处理的运行效率，并采用加权融合方式，保留更多的边缘细节信息，实现脑部MR图像的细化分割。通过像素重新划分规则，提高图像分割的准确度。实验结果表明，所述基于超像素和全卷积神经网络的脑部MR图像分割方法能够实现准确的分割。
长春工业大学
授权发明
