[發明專利]一種全自動骨盆腫瘤分割方法及系統、存儲介質及終端

有效

• 申請號: 201810941726.3
• 申請日: 2018-08-17
• 公開（公告）號: CN109215041B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 艾松濤;王燎;曲揚;李小敏
• 申請（專利權）人: 上海交通大學醫學院附屬第九人民醫院
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/30;G06N3/04
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐秋平

1.一種全自動骨盆腫瘤分割方法，其特征在于，包括以下步驟：

對腦膜瘤圖像集中的圖像進行預處理和數據擴增，得到腦膜瘤訓練數據；

基于所述腦膜瘤訓練數據訓練U-net全卷積神經網絡；

對骨盆腫瘤圖像集中的繪制有腫瘤邊界金標準的骨盆腫瘤圖像進行預處理和數據擴增，得到骨盆腫瘤訓練數據；

基于所述骨盆腫瘤訓練數據對訓練得到的U-net全卷積神經網絡進行微調，得到最優U-net全卷積神經網絡；

將采集到的骨盆腫瘤圖像輸入所述最優U-net全卷積神經網絡，獲取骨盆腫瘤分割結果；

所述預處理包括以下步驟：

對圖像進行模態間配準；

對配準后的圖像進行N4偏置場校正；

對校正后的圖像進行灰度直方圖匹配；

對匹配后的圖像進行標準化處理，使得圖像的灰度均值為0、方差為1；

所述腦膜瘤訓練數據包括訓練集、驗證集和測試集；基于所述腦膜瘤訓練數據訓練U-net全卷積神經網絡時，基于所述訓練集和所述驗證集在所述U-net全卷積神經網絡上的準確率，調整網絡超參數以獲取訓練得到的U-net全卷積神經網絡；基于所述測試集獲取所述訓練得到的U-net全卷積神經網絡的準確率；

所述骨盆腫瘤訓練數據包括訓練集、驗證集和測試集；基于所述骨盆腫瘤訓練數據對訓練得到的U-net全卷積神經網絡進行微調時，基于所述訓練集和所述驗證集在所述訓練得到的U-net全卷積神經網絡上的準確率，調整網絡超參數以獲取最優U-net全卷積神經網絡；基于所述測試集獲取所述最優U-net全卷積神經網絡的準確率；

根據計算所述準確率，其中S₁表示基于U-net全卷積神經網絡得到的分割結果，S₂表示分割金標準；|S₁∩S₂|表示基于U-net全卷積神經網絡得到的分割結果與分割金標準的重疊區域；|S₁|+|S₂|表示基于U-net全卷積神經網絡得到的分割結果與分割金標準的區域綜合；TP表示基于U-net全卷積神經網絡得到的分割結果與分割金標準的重疊區域；FP表示僅出現在分割金標準中的區域，FN表示僅出現在基于U-net全卷積神經網絡得到的分割結果中的區域。

2.根據權利要求1所述的全自動骨盆腫瘤分割方法，其特征在于，采用彈性變換算法對預處理后的圖像進行數據擴增。

3.根據權利要1所述的全自動骨盆腫瘤分割方法，其特征在于，所述訓練集、所述驗證集和所述測試集的占比分別為70％、20％和10％。