[發明專利]一種基于U-Net網絡的腦腫瘤分割網絡及分割方法

有效

• 申請號: 201911367447.1
• 申請日: 2019-12-26
• 公開（公告）號: CN111192245B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 楊鐵軍;周玉丹;朱春華;李磊;樊超
• 申請（專利權）人: 河南工業大學
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V20/70;G06V10/82;G06V10/52;G06V10/80;G06V10/764;G06T7/00;G06N3/0464;G06N3/048;G06N3/047;G06N3/084
• 代理公司: 鄭州旭揚知識產權代理事務所(普通合伙) 41185
• 代理人: 高超

本發明公開了一種基于U?Net網絡的腦腫瘤分割網絡及分割方法，分割網絡的收縮路徑末尾連接有空間金字塔池化結構，分割網絡的網絡跳躍連接部分引入不同尺度的空洞卷積，并且采用Add操作與原始輸入形成一個帶有空洞卷積的殘差塊，擴大收縮路徑中的淺層特征信息的感受野，然后與對應階段的擴張路徑融合，分割方法先對訓練數據集進行裁剪預處理，然后構建基于U?Net網絡的腦腫瘤分割網絡DCU?Net，然后將預處理后的二維圖像輸入到分割模型中進行特征學習和優化，獲取分割模型的最優參數模型，最后將待分割的測試數據集圖像輸入分割模型中進行腫瘤區域分割；本發明能夠有效解決腦腫瘤分割中的過分割與欠分割問題，提高腦腫瘤分割精度。

技術領域

本發明涉及神經網絡及空洞卷積技術領域，尤其涉及一種基于U-Net網絡的腦腫瘤分?割網絡及分割方法。

背景技術

膠質瘤是腦內最常見的原發性腫瘤之一，它們生長于膠質瘤細胞，可分為低級別膠質?瘤和高級別膠質瘤。高級別膠質瘤(HGG)對患者更具侵襲性，其預期壽命至多為兩年，低級別膠質瘤(LGG)為良性或惡性，在患者體內生長較慢，預期壽命為幾年。良性腫瘤?在通過手術治療后一般能夠恢復健康，惡性腫瘤則因其頑固性難以治愈，嚴重危害到人類?生命健康，因此如何對惡性腫瘤進行更好地診斷和治療至關重要。

隨著醫學影像技術的發展，影像診斷在疾病診斷中發揮的作用越來越重要。醫學影像?技術主要包括X線檢查、計算機斷層成像(CT)、超聲(Ultrasound)和磁共振成像(MRI)等。?其中，MRI具有如下優點：(1)具有的清晰度和組織分辨率高，能夠提供多種信息診斷能力，通過設置不同參數實現多個解剖部位斷層成像；(2)具有非侵入性，能在患者不接受?高電離輻射的情況下提供詳盡的圖像形狀、大小及位置等信息；(3)具有良好的軟組織對?比度。因此，MRI影像在腦腫瘤的診斷、治療和手術引導中越來越受到人們的關注。其中，?腦腫瘤分割技術在目前的診斷和治療上效果顯著，通過對腦腫瘤的分割，醫生可以對腦腫?瘤的位置、大小等參數進行測量，確定腫瘤的生長狀態和變化過程，還可以對腦腫瘤進行?定量分析和跟蹤比較。

目前，腦腫瘤的提取一般由醫生或專家根據現有的醫學知識、醫療條件和臨床知識進?行人工分割，這種方法耗時費力，且具有很強的主觀性，分割結果因人而異。隨著大規模?標記數據的出現和計算機的發展，利用深度學習算法來實現腦腫瘤的自動分割已經成為當?前研究的熱點。其中，2015年，Olaf?Ronneberger基于全卷積網絡(FullyConvolutional?Networks，FCN)模型提出了針對醫學圖像分割的U-Net模型。U-Net網絡與FCN都擁有經典?的編碼-解碼拓撲結構，但是U-Net擁有對稱的網絡結構和跳躍連接，并且在腦腫瘤圖像的?分割上U-Net的結果比FCN更加優秀。

針對腦腫瘤圖像分割精度難以提升的問題，研究者在U-Net基礎上進行的改進研究大致?可分為兩類：基于2D?U-Net構架的改進研究和基于3D?U-Net構架的改進研究。

(一)基于2D?U-Net構架的研究主要包括三類：

a).第一類是針對多特征尺度連接的改進。2018年，Xiao?Xiao等人提出Res-Unet結構，?并用于視網膜圖像的分割，Steven?Guan等人將U-Net的各個子模塊替換為密集連接模塊，?提出Fully?Dense?UNet用于去除圖像中的偽影，并取得了良好的效果；2019年，Nabil?Ibtehaz在U-Net基礎上開發了一種新穎的架構MultiRes-Unet，增加殘差連接的擴展，并?提出一個殘差路徑(ResPath)，在ISIC、BraTS等多個數據集上驗證了其良好的分割性能。