[發(fā)明專利]一種基于三維CT影像的肺結(jié)節(jié)分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910912421.4
• 申請(qǐng)日: 2019-09-25
• 公開(kāi)（公告）號(hào): CN110689547B
• 公開(kāi)（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 尹宏鵬;柴毅;劉洋
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/00;G06T7/62;G06T3/40;G06V10/80;G06T19/20
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種基于三維CT影像的肺結(jié)節(jié)分割方法，其特征在于：包括以下步驟：

S1：建立訓(xùn)練樣本：

S11：將采集的肺部CT圖像進(jìn)行標(biāo)注，得到肺結(jié)節(jié)區(qū)域，即肺結(jié)節(jié)的坐標(biāo)x，y，z及其半徑r，再對(duì)肺部CT圖像尺度歸一化；

S12：根據(jù)病灶區(qū)域特點(diǎn)，將其像素值進(jìn)行截?cái)嗵幚恚?duì)顯著區(qū)域進(jìn)行圖像增強(qiáng)，包括提高CT影像信噪比，突出肺結(jié)節(jié)結(jié)構(gòu)和抑制背景結(jié)構(gòu)的CT影像顯著性區(qū)域，并把像素值歸一化；

S13：把CT影像在XY平面上沿Z軸進(jìn)行切片操作，生成具有肺結(jié)節(jié)的切片，并把所述切片在Z軸上擴(kuò)充至三片，作為訓(xùn)練樣本集，根據(jù)標(biāo)注，將所述訓(xùn)練樣本集二值化，得到三維mask；

S2：建立肺結(jié)節(jié)分割模型：

S21：三維CT影像中包含重要的上下文信息，通過(guò)序列信息的方式表征對(duì)應(yīng)的上下文信息，所采用的肺結(jié)節(jié)分割模型使用三維CT影像的序列信息進(jìn)行特征提取與分割；

S22：肺結(jié)節(jié)分割模型包括序列信息特征提取網(wǎng)絡(luò)和圖像特征分割網(wǎng)絡(luò)，序列信息特征提取網(wǎng)絡(luò)借鑒RNN網(wǎng)絡(luò)結(jié)構(gòu)，并使用3D卷積對(duì)其特征提取，圖像特征分割網(wǎng)絡(luò)則包含編碼部分、直連部分及解碼部分；

S23：圖像特征分割網(wǎng)絡(luò)的編碼部分包含殘差塊和下采樣塊，解碼部分包含殘差塊和上采樣塊，直連部分則是連接編碼部分和解碼部分；

S3：訓(xùn)練肺結(jié)節(jié)分割模型：

S31：對(duì)訓(xùn)練樣本集進(jìn)行放縮，實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)增強(qiáng)，及多尺度訓(xùn)練，并將輸入放進(jìn)肺結(jié)節(jié)分割網(wǎng)絡(luò)，得到肺結(jié)節(jié)分割的預(yù)測(cè)值；

S32：三維mask尺寸與輸入一致，并以肺結(jié)節(jié)分類模型的預(yù)測(cè)輸出與真實(shí)三維mask的誤差收斂為目標(biāo)，對(duì)肺結(jié)節(jié)分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得肺結(jié)節(jié)分割模型；損失函數(shù)定義為：

式中N是batch size的大小，Y表示三維mask，表示預(yù)測(cè)值，i表示batch中的第i個(gè)預(yù)測(cè)值，預(yù)測(cè)值和mask均被打平成一維特征圖，其值分別用和y表示，α是平衡因子，γ調(diào)節(jié)簡(jiǎn)單樣本權(quán)重降低的速率。

2.根據(jù)權(quán)利要求1所述的基于三維CT影像的肺結(jié)節(jié)分割方法，其特征在于：所述序列信息特征提取網(wǎng)絡(luò)包括：由于三維CT影像中包含重要的上下文信息，通過(guò)序列信息的方式表征對(duì)應(yīng)的上下文信息，使得網(wǎng)絡(luò)具有記憶功能，對(duì)所處理過(guò)的信息留存有一定的記憶，實(shí)現(xiàn)前后CT圖像序列的特征融合。

3.根據(jù)權(quán)利要求1所述的基于三維CT影像的肺結(jié)節(jié)分割方法，其特征在于：所述編碼部分是通過(guò)三維卷積的方式對(duì)CT影像進(jìn)行四次下采樣，下采樣率依次是2、4、8、16，并使用多個(gè)殘差塊完成對(duì)CT影像進(jìn)行多尺度的深層特征提取；

所述直連部分用于連接編碼部分和解碼部分，實(shí)現(xiàn)編碼部分的特征和解碼部分的特征堆疊，得到更厚的特征圖；

所述解碼部分還通過(guò)三維卷積的方式對(duì)CT影像進(jìn)行四次上采樣，采樣率依次是2、4、8、16，融合特征提取部分的輸出，貫穿整個(gè)網(wǎng)絡(luò)，并在最后一層特征圖使用sigmoid函數(shù)進(jìn)行映射到[0,1]之間。

4.根據(jù)權(quán)利要求1所述的基于三維CT影像的肺結(jié)節(jié)分割方法，其特征在于：所述編碼部分和解碼部分的殘差塊均依次由3DConv層、BN層、Leaky relu激活函數(shù)、3DConv層、BN層、Leaky relu激活函數(shù)組成。