1.一种基于圆形卷积核的脑胶质瘤的分割方法,其特征在于,包括:
获取脑胶质瘤的医学图像,并对所述医学图像进行预处理,得到包含多个方形特征图片段的特征图像;
利用双线性插值对每一方形特征图片段进行插值计算,得到每一方形特征图片段对应的圆形特征图片段;
将各所述圆形特征图片段进行拼接得到目标特征图,然后对所述目标特征图进行卷积点乘计算;
利用u-net网络对经过卷积点乘计算的所述目标特征图进行采样处理,并将采样结果作为最终的脑胶质瘤的分割图片。
2.根据权利要求1所述的基于圆形卷积核的脑胶质瘤的分割方法,其特征在于,所述获取脑胶质瘤的医学图像,并对所述医学图像进行预处理,得到包含多个方形特征图片段的特征图像,包括:
对所述医学图像进行填充,得到特征图像;
按照预设卷积核大小对所述特征图像进行分离,得到多个方形特征图片段。
3.根据权利要求1所述的基于圆形卷积核的脑胶质瘤的分割方法,其特征在于,所述利用双线性插值对每一方形特征图片段进行插值计算,得到每一方形特征图片段对应的圆形特征图片段,包括:
基于所述方形特征图片段与对应的圆形特征图片段的关系确定所述圆形特征图片段的位置和大小;
根据所述方形特征图片段与所述圆形特征图片段中位置相同的已知点,确定所述圆形特征图片段中待进行插值计算的目标点;
通过已知点和目标点的位置关系对所述目标点进行插值计算。
4.根据权利要求3所述的基于圆形卷积核的脑胶质瘤的分割方法,其特征在于,所述通过已知点和目标点的位置关系对所述目标点进行插值计算,包括:
利用矩阵乘法对所述圆形特征图片段上的目标点进行并行插值计算。
5.根据权利要求1所述的基于圆形卷积核的脑胶质瘤的分割方法,其特征在于,所述将各所述圆形特征图片段进行拼接得到目标特征图,然后对所述目标特征图进行卷积点乘计算,包括:
根据各所述方形特征图片段在所述特征图像中的位置顺序对对应的各所述圆形特征图片段进行拼接,得到目标特征图;
对所述目标特征图进行卷积点乘计算,得到大小与所述特征图像相同的目标特征图。
6.根据权利要求5所述的基于圆形卷积核的脑胶质瘤的分割方法,其特征在于,所述利用u-net网络对经过卷积点乘计算的所述目标特征图进行采样处理,并将采样结果作为最终的脑胶质瘤的分割图片,包括:
将经过卷积点乘计算的所述目标特征图输入至所述u-net网络的第一下采样层中;
利用批标准化和激活函数对所述目标特征图进行第一次处理;
对处理后的目标特征图进行卷积计算;
利用批标准化、激活函数和最大池化依次对卷积计算后的目标特征图进行第二次处理,得到目标特征图,并作为第一下采样层的输出结果。
7.根据权利要求6所述的基于圆形卷积核的脑胶质瘤的分割方法,其特征在于,所述利用u-net网络对经过卷积点乘计算的所述目标特征图进行采样处理,并将采样结果作为最终的脑胶质瘤的分割图片,还包括:
将第一下采样层的输出结果分别输入至第二下采样层和第四上采样层中进行下采样和上采样;
将所述第二下采样层的输出结果分别输入至第三层下采样和第三层上采样中进行下采样和上采样;
将第三下采样层的输出结果分别输入至第四层下采样和第二层上采样中进行下采样和上采样;
对第四层下采样的输出结果连续进行两次的卷积计算和批标准化处理,并将处理后的结果进行上采样和合并处理,从而得到最终的采样结果。
8.一种基于圆形卷积核的脑胶质瘤的分割装置,其特征在于,包括:
图像预处理单元,用于获取脑胶质瘤的医学图像,并对所述医学图像进行预处理,得到包含多个方形特征图片段的特征图像;
插值计算单元,用于利用双线性插值对每一方形特征图片段进行插值计算,得到每一方形特征图片段对应的圆形特征图片段;
第一拼接单元,用于将各所述圆形特征图片段进行拼接得到目标特征图,然后对所述目标特征图进行卷积点乘计算;
采样处理单元,用于利用u-net网络对经过卷积点乘计算的所述目标特征图进行采样处理,并将采样结果作为最终的脑胶质瘤的分割图片。
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于圆形卷积核的脑胶质瘤的分割方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于圆形卷积核的脑胶质瘤的分割方法。