一种基于数据增强的医学图像分割方法

技术特征：

1.一种基于数据增强的医学图像分割方法，其特征在于，对给定的少量带标签图像和大量不带标签图像，进行如下操作：

2.根据权利要求1所述的一种基于数据增强的医学图像分割方法，其特征在于，所述步骤2)中训练基于循环一致性的空间结构配准网络，具体为：

3.根据权利要求1所述的基于数据增强的医学图像分割方法，其特征在于，所述步骤3)中获得n-1个空间变换配准域，具体为：

4.根据权利要求1所述的基于数据增强的医学图像分割方法，其特征在于，所述步骤4)中训练基于循环一致性的外观结构配准网络，具体为：

5.根据权利要求1所述的基于数据增强的医学图像分割方法，其特征在于，所述步骤5)中获得n-1个外观变换配准域，具体为：

6.根据权利要求1所述的基于数据增强的医学图像分割方法，其特征在于，所述步骤6)中获得n-1幅具有不同空间结构的生成图像，具体为：

7.根据权利要求1所述的基于数据增强的医学图像分割方法，其特征在于，所述步骤7)中获得6)中n-1幅具有不同空间结构的生成图像的分割标签，具体为：

8.根据权利要求1所述的一种基于数据增强的医学图像分割方法，其特征在于所述步骤8)中获得(n-1)×(n-1)幅具有不同空间结构和不同外观结构的最终生成图像，具体为：

技术总结
本发明公开了一种基于数据增强的医学图像分割方法，该方法针对医学图像缺乏带标签数据集的现状，通过数据增强的方法扩充数据集进而用来训练分割网络。该方法通过图像配准的方法，并且借鉴了循环生成对抗网络的循环一致性思想，通过基于循环一致性的空间结构配准网络和基于循环一致性的外观结果配准网络生成空间变换配准域和外观变换配准域，同时通过循环一致性损失进一步提升和优化图像配准的准确性；然后通过生成的空间变换配准域和外观变换配准域进行图像配准，从而达到扩充带标签数据集的目的，最终用来训练图像分割网络。本发明解决了带标签医学图像数据集稀缺的问题，并且进一步提升了生成图像的质量，在医学图像分割领域有着广泛的应用。

技术研发人员：付利华,王俊翔,李鑫辉,刘雯雯,张梓通
受保护的技术使用者：北京工业大学
技术研发日：
技术公布日：2024/1/13