[發明專利]基于深度學習的鼻咽癌病灶分割模型訓練方法及分割方法

在審

• 申請號: 201910141261.8
• 申請日: 2019-02-26
• 公開（公告）號: CN109919948A
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 夏康力;田翔;晉建秀
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 梁瑩;顧思妍

本發明提供一種基于深度學習的鼻咽癌病灶分割模型訓練方法及分割方法，其中，分割方法包括以下步驟：I.將訓練好的分割模型加載到卷積神經網絡模型中；II.讀取鼻咽癌MRI原始圖像；III.對鼻咽癌MRI原始圖像進行歸一化，得到鼻咽癌MRI圖像；IV.將鼻咽癌MRI圖像輸入卷積神經網絡模型，得到鼻咽癌MRI圖像的病灶概率圖；V.將鼻咽癌MRI圖像的病灶概率圖進行二值化，得到病灶分割圖。本發明還提供一種鼻咽癌病灶分割模型訓練方法。本發明通過基于深度學習的鼻咽癌病灶分割模型訓練方法得到的模型應用于病灶分割方法中，可有效解決鼻咽癌MRI圖像中小圖像分割導致效果不好的問題，從而提高目標小圖像的分割效果，更加準確的自動分割鼻咽癌病灶。

技術領域

本發明涉及醫療圖像處理技術領域，更具體地說，涉及一種基于深度學習的鼻咽癌病灶的自動分割模型訓練方法及分割方法。

背景技術

磁共振成像(Magnetic Resonance Imaging，簡稱MRI)采用靜磁場和射頻磁場使人體組織成像，在成像過程中，既不用電子離輻射、也不用造影劑就可獲得高對比度的清晰圖像。它能夠從人體分子內部反映出人體器官失常和早期病變。磁共振成像能夠提供人體器官的生理狀態信息，它有能力將同樣密度的不同組織和同一組織的不同化學結構通過影像顯示表征出來。

鼻咽癌(nasopharyngeal carcinoma，NPC)是指發生于鼻咽腔頂部和側壁的惡性腫瘤。是我國高發惡性腫瘤之一，發病率為耳鼻咽喉惡性腫瘤之首。病因主要有：遺傳因素、EB病毒、環境因素。因為鼻咽癌細胞對放射線敏感，所以放射治療是目前公認且有效的治療手段，其治療后5年總生存率大約為74.9％。鼻咽癌的放射治療依賴于對鼻咽癌病灶區域(放射靶區)進行準確勾畫(即病灶分割)。

傳統鼻咽癌的靶區勾畫主要來源于醫生手工操作，這嚴重依賴于醫生的經驗以及工作狀態，對于同樣的病例，不同的醫生可能會給出不同的勾畫，不僅如此，目前國內的醫生工作量很大，巨大的工作壓力使勾畫很容易出錯，這將給患者的后續治療帶來嚴重后果。因此，現階段采用了一種機器學習的自動化的方式來完成這項工作，提高勾畫的一致性，減輕醫生的工作壓力。

現有的用于鼻咽癌自動分割的方法主要都是傳統機器學習的方法，這些方法具有以下缺點：第一，流程復雜；第二，效果不夠好，醫療圖像中經常會出現相比全圖來說目標太小的問題，鼻咽癌MRI圖像也不例外，鼻咽癌MRI圖像中，病灶像素點僅占全部像素點的不到1％，通用的深度學習方法無法很好的處理這個問題。

發明內容

本發明的目的在于克服現有技術中的缺點與不足，提供一種基于深度學習的鼻咽癌病灶分割模型訓練方法及分割方法，通過分割模型訓練方法得到的模型應用于該分割方法中，可有效解決鼻咽癌MRI圖像中小圖像分割導致效果不好的問題，從而提高目標小圖像的分割效果，更加準確的自動分割鼻咽癌病灶。

為了達到上述目的，本發明通過下述技術方案予以實現：

一種基于深度學習的鼻咽癌病灶分割模型訓練方法，其特征在于：首先，將鼻咽癌MRI圖片及鼻咽癌病灶分割圖片集劃作為訓練集；其次，建立卷積神經網絡模型；最后，采用訓練集對卷積神經網絡模型進行訓練，得到訓練好的分割模型；

其中，所述采用訓練集對卷積神經網絡模型進行訓練，得到訓練好的分割模型是指：包括以下步驟：

第一步，將訓練集的樣本進行歸一化，得到歸一化后的樣本；

第二步，將歸一化后的樣本輸入模型，得到分割概率圖；

第三步，使用分割概率圖與歸一化后樣本的鼻咽癌病灶分割圖片進行計算，得到dice損失；使用dice損失，反向傳播更新模型參數；判斷是否達到設定的輪數，是則得到訓練好的分割模型，否則返回第一步。

在上述方案中，本發明通過分割模型訓練方法得到的模型可應用于鼻咽癌病灶分割方法中，以提高鼻咽癌病灶分割方法的準確性和分割效果。