[發明專利]基于多任務深度卷積網絡的肝臟及其腫瘤分割方法及系統

有效

• 申請號: 201710908752.1
• 申請日: 2017-09-29
• 公開（公告）號: CN107784647B
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 彭佳林;林家慶;揭萍
• 申請（專利權）人: 華僑大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/08;G06N3/04
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭

本發明提供一種基于多任務深度卷積網絡的肝臟及其腫瘤分割方法及系統，方法包括：數據預處理和擴充；多任務深度卷積網絡的搭建；帶有任務間約束的監督層的構建；網絡的訓練；數據測試結果生成。本發明提出的多任務網絡含有兩個通路，分別實現肝臟和肝臟腫瘤的識別分割；本發明通過通路部分共享的方法來縮小深度卷積網絡體積并降低模型學習對訓練數據量的要求；本發明通過在共享通路之后連接各自任務相關的特征提取模塊和相應輸出模塊實現多任務輸出；關鍵的是，本發明提出了一種可以利用多任務間幾何關聯信息的監督學習模塊來達到肝臟和肝臟腫瘤分割相互約束的目的。本發明能夠準確地識別和分割肝臟及其腫瘤。

技術領域

本發明涉及一種基于多任務深度卷積網絡的肝臟及其腫瘤分割方法及系統，特別涉及通過多任務學習以及任務間關聯約束實現圖像中復雜目標分割的方法，屬于機器學習和醫學圖像分析領域，具體可應用于但不限于醫學圖像分割任務等。

背景技術

智能醫療是當前人工智能領域一個熱門的應用方向。如果能夠讓機器自動識別和分析醫學圖像，那就能幫助醫生實現診療的精準化和個體化，并降低診療風險。這其中，醫學圖像中目標組織的自動識別和分割是一個關鍵的子問題。如果交給醫生的醫學影像已經排除了多余信息或是標注出了重要信息，醫生的診斷效率將能得到大大的提高。本專利以腹部CT掃描(電子計算機斷層掃描)圖像中肝臟及其內部病變組織的自動標注為背景，提出一種新穎且有效的自動識別與分割方法。當前，主要的肝臟分割方法是基于交互的半自動方法，但由于該類方法的不穩定性和交互的敏感性使得其并未得到廣泛應用。近年來，基于機器學習，特別是深度學習的方法，在醫學圖像分割中逐漸得到應用并在一些問題上取得了較好成績，但該類方法應用在肝臟分割上還有很大缺陷，特別是應用在帶有病變的肝臟分割上。其中的難點在于腫瘤組織的灰度表現完全不同于肝臟組織，且病變組織形態和位置有很大不確定性。然而，除了活體肝移植應用外，目前主要的病例都是帶有病變的肝臟組織。此外，由于腫瘤分割的困難性，當前缺少能夠自動進行肝臟腫瘤分割的方法。

目前，帶有病變的肝臟組織分割中容易出現欠分割，即腫瘤組織沒有能有效地歸為肝臟的一部分；而單獨的腫瘤識別和分割很容易將其他組織的病變區域劃分進去。因此本發明提出了一種基于多任務深度卷積網絡的肝臟及其腫瘤分割方法及系統，和傳統的多任務學習不同的是，本發明進一步考慮了腫瘤和肝臟組織的相互幾何約束關系，并將該幾何約束通過一種新穎的能量損失函數進行建模和學習，從而實現了有效地分割肝臟組織和肝臟腫瘤。

發明內容

本發明要解決的關鍵技術問題是：如何能夠有效地定位、識別并準確地分割肝臟組織；如何能有效地定位、識別并準確地分割肝臟腫瘤；面對多任務分割問題時，如何有效利用各任務間的先驗關聯信息從而提高各個任務分割效率和效果。在肝臟及其腫瘤分割的過程中，常常會出現以下這些狀況：肝臟分割中，由于肝臟中腫瘤與肝臟外形差異大而不被識別分割的情況；腫瘤分割中，由于其他組織也有病變部分而把其他組織病變區域視為肝臟腫瘤的情況；要想達到較好的分割效果，往往要使用先分割出肝臟，再從肝臟中分割出腫瘤的效率較低的串行多任務解決方案。

本發明目的在于克服現有技術的不足，提出一種基于多任務深度卷積網絡的肝臟及其腫瘤分割方法及系統，來實現肝臟和肝臟腫瘤的同時分割，該網絡含有兩個通路，分別實現肝臟和肝臟腫瘤的分割。本發明通肝臟和肝臟腫瘤分割任務共享公用特征的方法，即兩個任務通路共享前端部分通路，來縮小深度卷積網絡體積并降低模型學習對訓練數據量的要求，在共享通路之后連接的是各自任務相關的特征提取模塊和相應輸出模塊；進一步，本發明提出一種可以利用多任務關聯信息的監督模塊，具體來說就是在多個任務輸出之間構造用于實現任務間幾何關系約束的任務關聯損失函數，該任務關聯損失與各任務本身對應各自標簽得到的任務相關損失共同構成該網絡的總損失。本發明提出的多任務卷積網絡通過有監督的方式進行訓練，具體地，通過將網絡總損失進行反向傳播的方式進行網絡參數的學習和優化。

本發明解決其技術問題所采用的技術方案是：