一种基于深度学习的脑胶质瘤图像分割方法

本发明属于图像数据处理技术领域，公开了一种基于深度学习的脑胶质瘤图像分割方法，包括：并行获取表征肿瘤区域的语义图与表征图像内在结构的结构梯度矢量场图，进而在语义图的边界，通过联合度量语义边界法线矢量与结构梯度矢量的幅度和朝向一致性，来量化生成结构性失配图谱；并结合模型置信度梯度对高失配区域进行来源类型的分类标注，本发明建立了一种图像分割结果的内部校验机制，通过利用图像自身固有的结构信息对模型输出进行客观的矢量级双重校验，并能对校验出的失配区域进行根源定性，从而将隐藏的模型结构性伪影转化为一幅可供审查的风险图谱，提升了图像处理流程一种内生的结构自省能力。