基于深度学习的前哨淋巴结超声图像语义分割方法

本发明公开了一种基于深度学习的前哨淋巴结超声图像语义分割方法，涉及图像语义分割技术领域。本发明首先获取前哨淋巴结超声图像数据集，对数据集进行预处理以得到训练集；然后构建用于图像语义分割的RA‑U‑Net++网络，并基于训练集对其进行网络参数调优，得到用于目标病灶的医学图像语义分割模型；该网络采用U型结构多层结构，每一层级设置一个采用残差空洞金字塔模块的编码节点，当前层级的编码节点的输出特征图经下采样后输入下一层级的编码节点；首层至倒数第二层均设置有解码节点，解码节点逐层减少，每一层级的解码节点位于编码节点后，每个解码节点的输入包括其前所有节点的输出特征图以及下一层级中的前相邻节点的输出特征图；基于首层的最后一个解码节点的输出特征图获取最终的分割结果。本发明实现了前哨淋巴结超声图像的自动分割，摆脱了繁琐费时费力的手工分割；并且分割效果好，能够得到较高的交并比IoU。