使用深度CNN和全连接分类器转换用于图像分割的分割掩模数量阵列

Question

我正在根据Pereira等人的一篇论文构建一个模型，用于医学图像分割，他们使用卷积网络，该网络馈送到完全连接的分类器中。我想从正常组织中分割出肿瘤。

我目前有一个numpy数组，包含预先分割的图像= background 1= tumour，形状为443,443，1作为“目标”，以及形状为443,443，1的图像作为输入。

如何让模型对原始图像的补丁进行分类，然后在最后重建整个图像以生成分割图？

谢谢!

Answer 1

如果你参考论文"Brain Tumor Segmentation Using ConvolutionalNeural Networks in MRI Images"，他们从原始核磁共振扫描中提取出33x33像素的斑块，并使用中间像素的类别作为基本事实，将每个斑块划分为5类(正常组织、坏死、水肿、无强化或强化肿瘤)之一。

最后，您可以从一张MRI图像中单独对每个补丁进行分类，并跟踪它们的坐标以构建分割图。