[發明專利]一種基于全卷積網絡的MRI圖像腦腫瘤自動分割方法

有效

• 申請號: 201710379095.6
• 申請日: 2017-05-25
• 公開（公告）號: CN107220980B
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 崔少國;毛雷;熊舒羽;劉暢
• 申請（專利權）人: 重慶師范大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/174;G06N3/04;G06N3/08
• 代理公司: 50218 重慶信航知識產權代理有限公司
• 代理人: 穆祥維<國際申請>=<國際公布>=<進入

本發明提供一種基于全卷積網絡的MRI圖像腦腫瘤自動分割方法，包括腦腫瘤多模態MRI圖像預處理、全卷積網絡模型構造、網絡訓練與參數調優和腦腫瘤圖像自動分割，具體將MRI圖像腦腫瘤的分割轉換為像素級語義標注問題，對MRI不同模態強調的差異信息，將FLAIR、T1、T1c和T2四個模態的二維整幅切片合成四通道輸入圖像，利用已經訓練好的卷積神經網絡的卷積層和池化層作為基礎特征層，在后添加三個與全連接層等同的卷積層構成中間層，使得中間層輸出與語義分割類別數量相對應的粗糙分割圖，在中間層的后面添加反卷積網絡，用于對粗糙分割圖進行插值得到與原圖像大小一樣的精細分割圖。本發明不需要人工干預，有效提高了分割精度和效率，縮短了訓練時間。

技術領域

本發明涉及醫學圖像分析技術領域，具體涉及一種基于全卷積網絡的MRI圖像腦腫瘤自動分割方法。

背景技術

腦膠質瘤是一種嚴重危及患者生命的常見腦腫瘤，而腦腫瘤最常用的治療方案就是手術切除。核磁共振成像(Magnetic resonance imaging，MRI)以圖像方式顯示大腦內部信息，是醫學工作者分析顱內腫瘤的有力工具。MRI圖像腦腫瘤分割對于早期診斷、治療計劃和治療評估起著至關重要的作用。但是，早期手工分割標記方式工作繁瑣且主觀性強，腦膠質瘤與正常組織的邊界不清晰，并且MRI圖像本身受到噪聲、偏移場效應和部分容積效應等的影響。因此設計自動分割算法是解決手工標記不足的最佳方式，這是分割技術的發展方向之一。

基于MRI圖像的腦腫瘤傳統分割方法大致可以分為三類，即基于邊界、基于區域以及兩者相結合的方法。其中，基于邊界的方法就是在圖像中標識目標的邊界，基于區域的方法就是在圖像中標識目標所占有的區域，兩者相結合的方法就是將基于邊界和基于區域的方法結合起來，取兩者的優勢而避免其劣勢的方法。但是，本發明的發明人經過研究發現，在這些傳統方法中，通過人的主觀意識去理解圖像，從而提取特定的特征信息，如灰度信息、紋理信息及對稱信息等實現腦腫瘤的分割，結果只能針對特定的圖像有比較好的分割結果，因而分割結果過于粗糙且分割效率較低。

隨著人工智能尤其深度學習的出現，為腦腫瘤的自動分割提供了新的方向，傳統的腦腫瘤分割方法逐步被基于機器學習的方式取代。其中，卷積神經網絡作為有監督學習的代表，能夠直接從數據中學習特征表示，通過逐層特征提取，將圖像從簡單的邊緣、角點等底層特征，逐層組合形成更加抽象的高層次特征，在圖像識別領域取得了顯著效果，已被廣泛地應用于醫學圖像處理。當前基于機器學習的分割方法是采用圖像塊分類，但是這種方法需要以滑動窗口的方式對每一個像素進行預測分類，導致分割效率低而不能應用于實際臨床醫學中。因此本發明的發明人提供了一種更高效、準確的基于全卷積網絡的MRI圖像腦腫瘤自動分割方法。

發明內容

針對現有傳統分割方法要通過人的主觀意識去理解圖像，從而提取特定的特征信息，如灰度信息、紋理信息及對稱信息等實現腦腫瘤的分割，結果只能針對特定圖像有比較好的分割結果，因而分割結果過于粗糙且分割效率較低的技術問題，本發明提供一種基于全卷積網絡的MRI圖像腦腫瘤自動分割方法，該分割方法能夠廣泛應用于醫學圖像分割領域，特別是腦腫瘤分割方面。

為了解決上述技術問題，本發明采用了如下的技術方案：

一種基于全卷積網絡的MRI圖像腦腫瘤自動分割方法，包括以下步驟：

S1、腦腫瘤多模態MRI圖像預處理，其包括：

S11、對T1和T1c兩個模態MRI圖像進行場偏移校正操作；

S12、提取FLAIR、T1、T1c和T2四個模態的MRI圖像切片，在每一個MRI圖像切片中，將大于1％最高灰度設置為0.99倍的最高灰度值，將小于1％最低灰度設置為0.99倍的最低灰度值；

S13、對每一個MRI圖像切片的灰度值進行數據標準化和線性歸一化操作；