[發(fā)明專利]基于級(jí)聯(lián)各向異性FCNN的三維腦腫瘤圖像分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910313627.5
• 申請(qǐng)日: 2019-04-18
• 公開（公告）號(hào): CN110084823A
• 公開（公告）日: 2019-08-02
• 發(fā)明（設(shè)計(jì)）人: 趙柳;李鏘;關(guān)欣
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06T7/12
• 分類號(hào): G06T7/12
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 程毓英

1.一種基于級(jí)聯(lián)各向異性FCNN的三維腦腫瘤圖像分割方法，包括以下步驟：

(1)搭建各向異性FCNN模型；

(2)進(jìn)行全腫瘤網(wǎng)絡(luò)模型訓(xùn)練，并分割全腫瘤，方法如下：

第1步：將3D MRI腦腫瘤圖像分為2D A-plane、C-plane和S-plane切片，順序取相同數(shù)量的A-plane、C-plane和S-plane切片分別輸入各向異性FCNN并進(jìn)行全腫瘤網(wǎng)絡(luò)模型WA、網(wǎng)絡(luò)模型WC和網(wǎng)絡(luò)模型WS的訓(xùn)練；

第2步：分別使用全腫瘤訓(xùn)練模型WA、WC、WS對(duì)3D腦腫瘤圖像數(shù)據(jù)進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)平均值作為判別全腫瘤的最終結(jié)果。

(3)進(jìn)行腫瘤核心網(wǎng)絡(luò)模型訓(xùn)練，并分割腫瘤核心，方法如下：

第1步：根據(jù)全腫瘤和腫瘤核心的位置關(guān)系，即腫瘤核心位于全腫瘤區(qū)域內(nèi)，以全腫瘤在上下、左右和前后六個(gè)方向上的邊界值生成分割后的全腫瘤邊界框，分別對(duì)全腫瘤邊界框在六個(gè)方向上做5個(gè)像素的體積擴(kuò)展；

第2步：將擴(kuò)展后邊界框內(nèi)的圖像區(qū)域分為2D A-plane、C-plane和S-plane切片，順序取相同數(shù)量的A-plane、C-plane和S-plane切片分別輸入各向異性FCNN并進(jìn)行腫瘤核心網(wǎng)絡(luò)模型TA、網(wǎng)絡(luò)模型TC和網(wǎng)絡(luò)模型TS的訓(xùn)練；

第3步：分別使用腫瘤核心訓(xùn)練模型TA、TC、TS對(duì)3D腦腫瘤圖像數(shù)據(jù)進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)平均值作為判別腫瘤核心的最終結(jié)果。

(4)進(jìn)行增強(qiáng)腫瘤網(wǎng)絡(luò)模型訓(xùn)練，并分割增強(qiáng)腫瘤，方法如下：

第1步：根據(jù)腫瘤核心和增強(qiáng)腫瘤的位置關(guān)系，即增強(qiáng)腫瘤位于腫瘤核心區(qū)域內(nèi)，以腫瘤核心在上下、左右和前后六個(gè)方向上的邊界值生成分割后的腫瘤核心邊界框，分別對(duì)腫瘤核心邊界框在六個(gè)方向上做5個(gè)像素的體積擴(kuò)展；

第2步：將擴(kuò)展后邊界框內(nèi)的圖像區(qū)域分為2D A-plane、C-plane和S-plane切片，順序取相同數(shù)量的A-plane、C-plane和S-plane切片分別輸入各向異性FCNN并進(jìn)行增強(qiáng)腫瘤網(wǎng)絡(luò)模型EA、網(wǎng)絡(luò)模型EC和網(wǎng)絡(luò)模型ES的訓(xùn)練；

第3步：分別使用增強(qiáng)腫瘤訓(xùn)練模型EA、EC、ES對(duì)3D腦腫瘤圖像數(shù)據(jù)進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)平均值作為判別增強(qiáng)腫瘤的最終結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(1)搭建的模型如下：

第1步：使用20個(gè)卷積核大小為3×3×1的片內(nèi)卷積層、4個(gè)卷積核大小為1×1×3片間卷積層以及2個(gè)2D下采樣層Down提取腦腫瘤圖像特征，片內(nèi)卷積層使用膨脹卷積，設(shè)定膨脹系數(shù)為1至3，只采用2層下采樣，下采樣通過采用步長(zhǎng)為2、卷積核大小為3×3×1的卷積層實(shí)現(xiàn)；

第2步：引入殘差結(jié)構(gòu)，各向異性FCNN有10個(gè)殘差塊，每個(gè)殘差塊內(nèi)都包含兩個(gè)片內(nèi)卷積層；

第3步：在網(wǎng)絡(luò)不同深度處使用反卷積，將多個(gè)中間特征圖像上采樣到輸入圖像分辨率進(jìn)行級(jí)聯(lián)疊加，并將級(jí)聯(lián)后的特征圖像輸入到卷積層，融合局部特征信息和全局特征信息，隨后通過SoftMax層輸出每個(gè)體素點(diǎn)分別屬于腦腫瘤和背景的概率。