一种基于手工特征的无监督肝脏肿瘤CT图像分割方法

本发明提出了一种基于手工特征的无监督肝脏肿瘤CT图像分割方法，涉及深度学习技术领域，首先收集正常肝脏CT图像作为数据集，并结合临床知识选择肿瘤位置。通过三维简约噪声二进制掩膜生成类似真实成像的纹理，并利用组织学特征进行形态学建模。随后，将肿瘤纹理与肝脏CT图像在选定位置叠加，合成新的肝脏肿瘤CT图像。利用带有注释的CT图像训练分割模型，并使用合成图像进行医学图像分割。最后，采用Dice系数、豪斯多夫距离、标准化表面距离和表面距离指标评估分割结果。本发明有助于人工合成肿瘤病灶图像及生成体素级注释，为解决医学图像标注挑战、推进肝脏肿瘤诊疗提供新视角。