一种自动分割股骨区域的R-U-Net神经网络

针对目前X线片骨组织分割主要靠医生手工标记耗时且准确率不稳定的问题,本文以股骨为研究对象,提出一种结合深度残差网络和U-Net架构优势的R-U-Net神经网络,并将其应用于股骨区域自动分割.首先对原图像预处理后标注目标区域制作标签图,并对训练集进行数据增强;接着将其输入到R-U-Net神经网络训练调参,保存优化后的网络模型;最后将待分割的测试图像输入到保存的网络模型中得到股骨区域的轮廓,填充连通区域后进行自定义掩码操作得到股骨区域的分割结果.以PhotoShop人工分割结果作为参考,测试结果表明基于R-U-Net的分割效果优于传统方法和U-Net,能够实现批量股骨区域的自动分割,执行效率更高,分割效果更佳.