[發明專利]一種基于神經網絡的對稱性腦腫瘤分割方法

在審

• 申請號: 201810215019.6
• 申請日: 2018-03-15
• 公開（公告）號: CN108447052A
• 公開（公告）日: 2018-08-24
• 發明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/33
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提出了一種基于神經網絡的對稱性腦腫瘤分割方法，其主要內容包括：對稱編碼神經網絡、數據集、預處理、模型比較，其過程為，首先計算原始腦部圖像和翻轉的腦部圖像之間的差異，在差異上提取特征，連接差異與原始圖像的特征圖以保留原始圖像的信息，然后對現有神經網絡中的對稱性進行編碼；由于大腦對稱性處于高度抽象層次，因此在幾個卷積層和池化層之后對對稱性執行相減，接著在具有連續卷積和池化層的神經網絡上提取不同抽象層次的特征。本發明解決了腦腫瘤結構復雜、邊界模糊且與正常腦組織混疊的問題，在分割中著重關注大腦的不對稱性，克服了腦腫瘤分割中存在的問題，提升了腦腫瘤分割的正確率。

技術領域

本發明涉及圖像分割領域，尤其是涉及了一種基于神經網絡的對稱性腦腫瘤分割方法。

背景技術

圖像分割就是把圖像分成若干個特定的、具有獨特性質的區域并提出感興趣目標的技術和過程。腦腫瘤圖像作為一種特殊的醫學圖像，同樣隸屬于自然圖像。腦腫瘤圖像分割算法，則是自然圖像分割算法在腦腫瘤圖像中的應用，同時需要考慮腦腫瘤圖像的特殊性，目前腦腫瘤已成為威脅人類健康的重要疾病，每年全世界都有許多人由于腦腫瘤失去生命，因此腫瘤及周圍器官的輪廓提取對于腫瘤的診治有著非常重要的研究意義，在臨床上，對腦腫瘤的準確分割具有重要應用價值，可以輔助醫生診斷腫瘤病情，提升診斷準確率，但由于腦腫瘤結構復雜、邊界模糊且與正常腦組織混疊在一起，因此，要實現對腦腫瘤的正確分割非常困難。

本發明提出了一種基于神經網絡的對稱性腦腫瘤分割方法，首先計算原始腦部圖像和翻轉的腦部圖像之間的差異，在差異上提取特征，連接差異與原始圖像的特征圖以保留原始圖像的信息，然后對現有神經網絡中的對稱性進行編碼；由于大腦對稱性處于高度抽象層次，因此在幾個卷積層和池化層之后對對稱性執行相減，接著在具有連續卷積和池化層的神經網絡上提取不同抽象層次的特征。本發明解決了腦腫瘤結構復雜、邊界模糊且與正常腦組織混疊的問題，克服了腦腫瘤分割中存在的問題，提升了腦腫瘤分割的正確率。

發明內容

針對腦腫瘤結構復雜、邊界模糊且與正常腦組織混疊在一起的問題，本發明的目的在于提供一種基于神經網絡的對稱性腦腫瘤分割方法，首先計算原始腦部圖像和翻轉的腦部圖像之間的差異，在差異上提取特征，連接差異與原始圖像的特征圖以保留原始圖像的信息，然后對現有神經網絡中的對稱性進行編碼；由于大腦對稱性處于高度抽象層次，因此在幾個卷積層和池化層之后對對稱性執行相減，以此在具有連續卷積和池化層的神經網絡上提取不同抽象層次的特征。

為解決上述問題，本發明提供一種基于神經網絡的對稱性腦腫瘤分割方法，其主要內容包括：

(一)對稱編碼神經網絡；

(二)數據集；

(三)預處理；

(四)模型比較。

其中，對稱編碼神經網絡，首先計算原始腦部圖像和翻轉的腦部圖像之間的差異，在差異上提取特征，連接差異與原始圖像的特征圖以保留原始圖像的信息，然后對現有神經網絡中的對稱性進行編碼；由于大腦對稱性處于高度抽象層次，因此在幾個卷積層和池化層之后對對稱性執行相減，以此在具有連續卷積和池化層的神經網絡上提取不同抽象層次的特征。

進一步地，所述的提取特征，醫學成像分割中最先進的神經網絡之一的U-Net是一個完全卷積網絡，利用其卷積和匯集層進行特征提取，提取過程中的向下路徑由一系列卷積層和池化層組成用來提取不同分辨率的特征，向上路徑包含卷積和增加輸出分辨率的上卷積層，執行跳轉的快捷方式將信息從向下路徑傳遞到向上路徑，可以在分割中更精確地定義邊界。

進一步地，所述的路徑，特征映射的數量在向下路徑中的每一層處加倍，并且在向上路徑中的每一層處減半，其輸入和輸出具有4個通道，向下路徑中共享相同濾波器權重的兩個分支將對稱性編碼到U-Net中，兩個分支分別采用原始圖像和翻轉的腦部圖像。