技術特征：

1.本發(fā)明是一種基于堆疊自動編碼網(wǎng)絡的多模態(tài)腦腫瘤圖像分割方法。主要包括以下內(nèi)容：首先對圖像進行預處理，然后利用多模態(tài)成像原理，實現(xiàn)對非正常腦組織區(qū)域的多分類。

技術方案如下：

步驟一：將非正常腦組織成像數(shù)據(jù)mha進行切片，得到二維bmp圖像。

步驟二：將得到的二維圖像進行預處理，提高病變區(qū)域和非病變區(qū)域的對比度，然后對圖像進行歸一化處理。

步驟三：分別對flair,T1,T2,T1c圖像中的點提取一個15×15的圖像塊，將圖像塊進行堆疊成為一個4×15×15的矩陣。將每個圖像塊的灰度轉換為一個4×225維的向量，依次排列形成輸入矩陣；。

步驟四：同時設立四個SAE(堆疊降噪自動編碼器)網(wǎng)絡。

步驟五：對每一個SAE深度學習網(wǎng)絡，設定SAE深度學習網(wǎng)絡的隱層節(jié)點數(shù)，將矩陣作為輸入，進行預訓練，獲取最初的網(wǎng)絡參數(shù)；

步驟六：在網(wǎng)絡的頂部增加一個輸出層，利用帶標簽的數(shù)據(jù)對網(wǎng)絡參數(shù)進行微調(diào)得到最終的參數(shù)；

步驟七：使用得到的參數(shù)初始化一個新的分類網(wǎng)絡，對需要測試的圖像，為其提取同樣大小的圖像塊，并形成同樣的灰度矩陣，把這個灰度矩陣輸入到分類網(wǎng)絡中，得到最初的分類結果。

步驟八：分別從四個SAE網(wǎng)絡中獲取病變區(qū)域的分類，將結果映射到一個與原圖大小相同的空白圖像上面。

步驟九：使用連通分量的方法對圖像進行后處理，限定分割圖像的連通數(shù)。

步驟十：使用開運算和閉運算對分割后的圖像邊緣進行平滑處理。

2.根據(jù)權利要求1所述的堆疊自動編碼器網(wǎng)絡實現(xiàn)對病人腦腫瘤區(qū)域的分割方法，其特征在于所述步驟三中的所述，對二維圖像進行分塊提取，具體實現(xiàn)步驟如下：

分別從flair、T1、T2、T1c圖像上面提取15×15的圖像塊，然后將這些圖像塊堆疊成4×15×15的矩陣。然后得到一個4×225維的向量，一共得到N個二維向量。將這些二維向量按照從上到下的順序進行排列，形成輸入矩陣X。

3.根據(jù)權利要求1所述的堆疊自動編碼器網(wǎng)絡實現(xiàn)對病人腦腫瘤區(qū)域的分割方法，其特征在于所述步驟八中的所述，四個深度學習網(wǎng)絡進行病變區(qū)域的提取，具體實現(xiàn)步驟如下：

根據(jù)flair圖片的成像原理，從網(wǎng)絡1中提取水腫區(qū)域特征N₁，映射到一個空白圖像上得到圖像X，然后根據(jù)T1成像原理，從網(wǎng)絡2中提取腫瘤增強部分特征N₂，映射到X上面，得到X1；然后根據(jù)T1C成像原理，從網(wǎng)絡3中提取腫瘤部分特征N₃，映射到X1上面，得到X2；然后根據(jù)T2成像原理，從網(wǎng)絡4中提取壞死部分特征N₄，映射到X2上面，得到X3；X3就是最后的分割結果。